Pandas et dataframe to_numeric: colonne de sélection par index

Question

La question est probaly extrêmement stupide, mais je me suis blessé mon cerveau de déterminer ce qu'il faut faire

Il y a un pd.dataframe avec N colonnes. Je dois sélectionner des colonnes, se référant par index d'une colonne, puis de convertir toutes les valeurs numériques et réécrire cette colonne dans mon dataframe

Je l'ai fait par référence nom de la colonne (comme df['a'] = pd.to_numeric(df['a']) mais coincé avec des indices (comme df[1] = pd.to_numeric(df[1])

Quelle est la bonne façon dans cette situation à dataframe référence colonne (python 2.7)

Answer 1

Vous pouvez utiliser ix pour les colonnes en sélectionnant puis applyto_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.ix[:, cols] = df.ix[:, 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 

Si des colonnes sont strings, pas int (mais il semble que int) ajouter '' aux nombres dans listcols:

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. ix: supports mixed integer and label based access  
df.ix[:, cols] = df.ix[:, cols].apply(pd.to_numeric) 

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

#3. iloc: for index based access 
# cols = [i for i in range(len(df.columns))] 
# 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

Vous pouvez consulter le post suivant sur Is .ix() always better than .loc() and .iloc() since it is faster and supports integer and label access?

A doit [Choix différent d'indexation] (http://pandas.pydata.org/pandas-docs/stable/indexing.html#different-choices-for-indexing)