pandas.to_numeric(arg,?errors='raise',?downcast=None) ? ? ? ??[source]
將參數轉換為數字類型。
默認返回dtype為float64或int64，?具體取決于提供的數據。使用downcast參數獲取其他dtype。
請注意，如果傳入非常大的數字，則可能會導致精度損失。由于ndarray的內部限制，如果數字小于-9223372036854775808(np.iinfo(np.int64).min)或大于18446744073709551615(np.iinfo(np.uint64).max)傳入，很有可能會將它們轉換為float以便將其存儲在ndarray中。這些警告類似地適用于?Series，因為它在內部利用ndarray。
參數：arg?：?scalar(標量)，list(列表)，
(tuple)元組，一維數組(1-d array)或Series
errors?：?{'ignore'，'raise'，'coerce'}，
默認為'raise'
如果為‘raise’，
則無效的解析將引發異常
如果為?‘coerce’，
則將無效解析設置為NaN
如果為?‘ignore’，
則無效的解析將返回輸入
downcast?：
{'integer'，'signed'，'unsigned'，'float'}，
默認為None
如果不是None(無)，并且數據已成功轉換為數字dtype
(或者數據是從數字開始的)，
則根據以下規則將結果數據轉換為可能的最小數字dtype：
'integer'或'signed'：
最小的有符號int dtype(最小值：np.int8)
'unsigned'：
最小的無符號int dtype(最小值：np.uint8)
'float'：
最小的float dtype(最小值：np.float32)
由于此行為與從核心轉換為數值的行為是分開的，
因此無論?‘errors’輸入的值如何，
向下轉換期間引發的任何錯誤都會浮出水面。
此外，僅當結果數據的dtype的大小，
嚴格大于要強制轉換為dtype的dtype時，
才會發生向下轉換，因此，
如果檢查的所有dtype都不滿足該規范，
則不會對該數據執行向下轉換。
0.19.0版中的新功能。
返回值：ret：?解析成功時為numeric(數字)。
返回類型取決于輸入。
如果為Series，
則為Series，否則為ndarray。
例子
采取單獨的系列并轉換為數字，當被告知時強制>>> s = pd.Series(['1.0', '2', -3])
>>> pd.to_numeric(s)
0 1.0
1 2.0
2 -3.0
dtype: float64
>>> pd.to_numeric(s, downcast='float')
0 1.0
1 2.0
2 -3.0
dtype: float32
>>> pd.to_numeric(s, downcast='signed')
0 1
1 2
2 -3
dtype: int8
>>> s = pd.Series(['apple', '1.0', '2', -3])
>>> pd.to_numeric(s, errors='ignore')
0 apple
1 1.0
2 2
3 -3
dtype: object
>>> pd.to_numeric(s, errors='coerce')
0 NaN
1 1.0
2 2.0
3 -3.0
dtype: float64
