pandas dataframe 数据格式转化 基础

Question

我有一个 dataframe 在 Pandas 中，其最后三列名字为 'Replicate a','Replicate b','Replicate c'。我想将这三列转化为 floa32格式，并使用如下代码：

df_deal.iloc[:,-3:] = df_deal.iloc[:,-3:].apply(pd.to_numeric, errors='coerce').astype('float32') # 这里用位置索引，索引最后三列

但是这个代码跑完以后，数据格式并有变化依然是object

print(df_deal.iloc[:,-1].dtypes)
print(df_deal.iloc[:,-2].dtypes)
print(df_deal.iloc[:,-3].dtypes)

结果全是object
有人说，多列索引的时候得到的是副本，于是我使用循环一列一列修改：

for i in range(-3,0):
    df_deal.iloc[:,i] = df_deal.iloc[:,i].apply(pd.to_numeric, errors='coerce').astype('float32')

但结果依然是 object

数据后三列见图：

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

问题分析： 首先，使用 df.iloc[:, -3:] 进行索引，会得到一个包含最后三列的子 DataFrame。这个子 DataFrame 应该是原 DataFrame 的一个视图，而不是副本（Pandas 中有两种索引方式：标签索引和位置索引。使用位置索引时，如果传入的是一个列表或切片，生成的子 DataFrame 是原 DataFrame 的视图。使用标签索引时，生成的子 DataFrame 是原 DataFrame 的副本）。 但这并不影响对子 DataFrame 进行操作，因为 Pandas 的操作都是基于数据的复制，这会自动处理数据的副本和视图的问题。 其次，循环修改每一列时，使用了 df.iloc[:, i]，这里的 i 是一个整数，表示倒数第几列，但是在 Python 中，索引是从 0 开始的。因此，在这个循环中，i 的范围应该是 -3 到 -1。 最后，数据格式没有发生变化的原因，很可能是数据中包含了一些无法转换为 float32 格式的值，例如缺失值或非数字值。这些值将会被转换为 NaN。需要检查数据中是否存在这样的值。 解决方案： 可以尝试使用 Pandas 中的 pd.to_numeric() 函数，将数据转换为 float32 格式。该函数可以方便地将数据中的非数字值转换为 NaN。 代码示例：

import pandas as pd
# 读取数据
df = pd.read_csv('data.csv')
# 将最后三列转换为 float32
df.iloc[:, -3:] = df.iloc[:, -3:].apply(pd.to_numeric, errors='coerce').astype('float32')
# 检查数据类型
print(df.iloc[:, -1].dtypes)
print(df.iloc[:, -2].dtypes)
print(df.iloc[:, -3].dtypes)