Pandas 数据框和 to_numeric：按索引选择列

Question

这个问题可能非常愚蠢，但我不知道该怎么做，伤了我的大脑

有一个

pd.dataframe

有 N 列。我需要选择一些列，通过列的索引引用，然后将所有值转换为数字并在我的

dataframe

中重写该列

我已经通过列名称引用完成了它（如

df['a'] = pd.to_numeric(df['a'])

但坚持使用索引（如

df[1] = pd.to_numeric(df[1])

在这种情况下，

dataframe

列引用的正确方法是什么？ （蟒蛇2.7）

Answer 1

您可以使用

iloc

选择列，然后使用

apply

to_numeric

:

import pandas as pd

df = pd.DataFrame({1:['1','2','3'],
                   2:[4,5,6],
                   3:[7,8,9],
                   4:['1','3','5'],
                   5:[5,3,6],
                   6:['7','4','3']})

print (df)
   1  2  3  4  5  6
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

print (df.dtypes)
1    object
2     int64
3     int64
4    object
5     int64
6    object
dtype: object

print (df.columns)
Int64Index([1, 2, 3, 4, 5, 6], dtype='int64')

cols = [1,4,6]    
df.iloc[:, cols] = df.iloc[:, cols].apply(pd.to_numeric)

print (df)
   1  2  3  4  5  6
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

print (df.dtypes)
1    int64
2    int64
3    int64
4    int64
5    int64
6    int64
dtype: object

如果列是

strings

，而不是

int

（但看起来像

int

），请将

''

添加到

list

cols

中的数字：

import pandas as pd

df = pd.DataFrame({'1':['1','2','3'],
                   '2':[4,5,6],
                   '3':[7,8,9],
                   '4':['1','3','5'],
                   '5':[5,3,6],
                   '6':['7','4','3']})

#print (df)

#print (df.dtypes)

print (df.columns)
Index(['1', '2', '3', '4', '5', '6'], dtype='object')

#add `''`
cols = ['1','4','6']

#1. loc: only label based access
# df.loc[:, cols] = df.loc[:, cols].apply(pd.to_numeric)

#2. iloc: for index based access
# cols = [1,4,6]
# df.iloc[:, cols].apply(pd.to_numeric)

---

print (df)
   1  2  3  4  5  6
0  1  4  7  1  5  7
1  2  5  8  3  3  4
2  3  6  9  5  6  3

print (df.dtypes)
1    int64
2    int64
3    int64
4    int64
5    int64
6    int64
dtype: object

Answer 2

您可能想查看以下帖子 .ix() 是否总是比 .loc() 和 .iloc() 更好，因为它更快并且支持整数和标签访问？

必须的 [索引的不同选择] (http://pandas.pydata.org/pandas-docs/stable/indexing.html# different-choices-for-indexing)