我想将数据框中所有非浮点类型的列转换为浮点类型，有没有办法一次性完成？下面是列的类型

longitude          -    float64 latitude          -     float64housing_median_age   -  float64total_rooms          -  float64total_bedrooms       -   objectpopulation           -  float64households            - float64median_income         - float64rooms_per_household   - float64category_<1H OCEAN    -   uint8category_INLAND        -  uint8category_ISLAND        -  uint8category_NEAR BAY     -   uint8category_NEAR OCEAN    -  uint8

以下是我的代码片段

import pandas as pdimport numpy as np from sklearn.model_selection import KFolddf = pd.DataFrame(housing)df['ocean_proximity'] = pd.Categorical(df['ocean_proximity']) #类型转换 dfDummies = pd.get_dummies(df['ocean_proximity'], prefix = 'category' )df = pd.concat([df, dfDummies], axis=1)print df.head()housingdata = dfhf = housingdata.drop(['median_house_value','ocean_proximity'], axis=1)hl = housingdata[['median_house_value']]hf.fillna(hf.mean,inplace = True)hl.fillna(hf.mean,inplace = True)

回答：

如果不需要对降级或错误处理进行特定控制，一个快速且简便的方法是使用 df = df.astype(float)。

为了获得更多控制，可以使用 pd.DataFrame.select_dtypes 按数据类型选择列。然后在列的子集上使用 pd.to_numeric。

设置

df = pd.DataFrame([['656', 341.341, 4535],                   ['545', 4325.132, 562]],                  columns=['col1', 'col2', 'col3'])print(df.dtypes)col1     objectcol2    float64col3      int64dtype: object

解决方案

cols = df.select_dtypes(exclude=['float']).columnsdf[cols] = df[cols].apply(pd.to_numeric, downcast='float', errors='coerce')

结果

print(df.dtypes)col1    float32col2    float64col3    float32dtype: objectprint(df)    col1      col2    col30  656.0   341.341  4535.01  545.0  4325.132   562.0