Python Pandas 数据转换：将非NaN值转为浮点数

以下是使用 Python 代码将 Pandas 数据框中除了 NaN 之外的数据转换为浮点数的示例：

import pandas as pd
import numpy as np

# 创建一个包含 NaN 的 Pandas 数据框
df = pd.DataFrame({'A': [1, 2, np.nan], 'B': ['foo', 'bar', np.nan], 'C': [3.0, np.nan, 4.0]})

# 将数据框中除了 NaN 之外的数据转换为浮点数类型
df = df.apply(lambda x: pd.to_numeric(x, errors='coerce'))

# 打印转换后的数据框
print(df)

解释:

1. 首先，我们导入了 pandas 和 numpy 库。

2. 然后，我们创建了一个包含 NaN 的 Pandas 数据框。

3. 接着，我们使用 apply 函数将数据框中每一列的数据都转换为浮点数类型。在这里，我们使用了 lambda 函数和 pd.to_numeric 函数来完成转换。pd.to_numeric 函数会将数据转换为数字类型，如果无法转换，则会将其转换为 NaN。因此，我们在 lambda 函数中将错误的值转换为 NaN。

4. 最后，我们打印了转换后的数据框。

注意事项:

1. 如果数据框中包含非数字类型的数据，如字符串，转换后的结果将会变成 NaN。

2. 如果数据框中包含非数字类型的数据，并且您希望保留这些数据，可以使用 errors='ignore' 参数来忽略转换错误。