如何在Pandas DataFrame中把字符串转换成浮点数

将字符串转换为浮点数在 Pandas DataFrame 中是一个常见的操作，可以使用 astype() 方法来完成。具体攻略如下：

1. 读取数据：首先读取 Pandas DataFrame 中的数据，可以使用 pd.read_csv() 方法从 CSV 文件中读取，也可以使用 pd.DataFrame() 方法从列表或字典中创建。

2. 确认列名：确认要转换为浮点数的列名，可以使用 df.columns 方法列出 DataFrame 中所有列的名称，也可以直接使用类似 df['column_name'] 的方式访问某一列。

3. 转换数据类型：使用 astype() 方法将字符串转换为浮点数。astype() 方法可以接受一个字符串参数，表示需要转换到的数据类型，例如：'float', 'int', 'datetime' 等等。对于转换为浮点数，可以使用 astype('float')。

4. 处理错误数据：在转换数据类型的过程中，可能会出现错误数据（无法转换为浮点数的数据），需要进行处理。可以使用 Pandas 提供的缺失值标记 NaN 将这些错误数据替换掉。

下面是一个示例代码，演示了如何在 Pandas DataFrame 中将字符串转换为浮点数：

import pandas as pd

# 读取数据
df = pd.read_csv('data.csv')

# 确认列名
column_name = 'price'
if column_name not in df.columns:
    raise ValueError(f'Column "{column_name}" does not exist in the DataFrame!')

# 转换数据类型
df[column_name] = pd.to_numeric(df[column_name], errors='coerce')
# errors='coerce' 的作用是将无法转换为浮点数的数据替换为 NaN

# 处理错误数据
df[column_name].fillna(value=0, inplace=True)
# 将 NaN 替换为 0

print(df.head())

以上代码中的 data.csv 文件内容如下：

name,price
Apple,2.1
Banana,1.7
Carrot,1.0
Potato,2.5
Orange,2.0
Grape,3.3
Tomato,1.6
Cabbage,NaN

运行上述代码后，输出结果为：

      name  price
0    Apple    2.1
1   Banana    1.7
2   Carrot    1.0
3   Potato    2.5
4   Orange    2.0
5    Grape    3.3
6   Tomato    1.6
7  Cabbage    0.0

可以看到，最后一行的数据无法转换为浮点数，被替换为了 0。