Pandas dataframe和to_numeric：按索引选择列

Question

这个问题可能是非常愚蠢的，但我在想怎么做时伤了我的大脑

有一个包含N列的pd.dataframe。我需要选择一些列，通过列的索引引用，然后将所有值转换为数值，并在我的^{中重写该列

我已经通过列名引用（比如df['a'] = pd.to_numeric(df['a'])）完成了，但是仍然使用索引（比如df[1] = pd.to_numeric(df[1])

在这种情况下，dataframe列引用的正确方法是什么？（python 2.7）

Answer 1

你可以看看下面的帖子 Is .ix() always better than .loc() and .iloc() since it is faster and supports integer and label access?

必须的 [不同的索引选择]（http://pandas.pydata.org/pandas-docs/stable/indexing.html#different-choices-for-indexing）

Answer 2

您可以使用^{}选择列，然后使用^{}^{}：

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')

^{pr2}$

如果列是strings，则不是int（但看起来像int）将''添加到listcols中的数字：

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