Python pandas.to_numeric函数方法的使用

https://www.cjavapy.com/article/532/

**pandas.to_numeric(arg, errors='raise', downcast=None) **
将参数转换为数字类型。

默认返回dtype为float64或int64， 具体取决于提供的数据。使用downcast参数获取其他dtype。

请注意，如果传入非常大的数字，则可能会导致精度损失。由于ndarray的内部限制，如果数字小于-9223372036854775808（np.iinfo(np.int64).min）或大于18446744073709551615（np.iinfo(np.uint64).max）传入，很有可能会将它们转换为float以便将其存储在ndarray中。这些警告类似地适用于 Series，因为它在内部利用ndarray。

arg ： scalar(标量)，list(列表)，

(tuple)元组，一维数组(1-d array)或Series

errors ： {'ignore'，'raise'，'coerce'}，

默认为'raise'

如果为‘raise’，

则无效的解析将引发异常

如果为 ‘coerce’，

则将无效解析设置为NaN

如果为 ‘ignore’，

则无效的解析将返回输入

downcast ：

{'integer'，'signed'，'unsigned'，'float'}，

默认为None

如果不是None（无），并且数据已成功转换为数字dtype

（或者数据是从数字开始的），

则根据以下规则将结果数据转换为可能的最小数字dtype：

'integer'或'signed'：

最小的有符号int dtype（最小值：np.int8）

'unsigned'：

最小的无符号int dtype（最小值：np.uint8）

'float'：

最小的float dtype（最小值：np.float32）

由于此行为与从核心转换为数值的行为是分开的，

因此无论 ‘errors’ 输入的值如何，

向下转换期间引发的任何错误都会浮出水面。

此外，仅当结果数据的dtype的大小，

严格大于要强制转换为dtype的dtype时，

才会发生向下转换，因此，

如果检查的所有dtype都不满足该规范，

则不会对该数据执行向下转换。

0.19.0版中的新功能。