型が混在するケース

混在なしの場合（列:int）

文字列（文字列の空白含む）が混在（列:int）

• int に文字列（空白含む）が混在すると int と str が混在するから「Object型」になる

NaNが混在する場合（列:int）

• int に、本物の NaN が混在する場合、その列全体は「float型」になる

NaNが混在する場合（列:str）

• str に、NaNが混在しても元が object ばかりなのでわかりにくい

列を全て int に変換 pd.to_numeric()

• pd.to_numeric(Series, 型）は、変換対象はSeriesになる。DataFrameではないので注意

https://pandas.pydata.org/docs/reference/api/pandas.to_numeric.html

• errorsは、”ignore”, “raise”, “coerce” の３種類の値を取ります。
• “raise” がデフォルトで、これを指定すると普通に例外が発生します。
• “ignore” は例外を抑えますが、何の変換もせず、そのままのオブジェクトを返します。
• “coerce” は、数値に変換できるものは変換して、そうでないものはNaNにしてくれます。

errors=’ignore’（変換なし）

• 例外を出せないだけで、列は object のまま。変換しない

# 文字列が含まれるとobject型になる。ignoreは何も変換しない
s = pd.Series(['apple', '1.0', '2', -3])
pd.to_numeric(s, errors='ignore')

erros=’coerce’（強制的に数値へ）

• 数値に変換不可な文字列は、NaN になる。列の型は float になる

# 強制的に数値に変換できる。数値に変換不可な文字列はNaNになる

pd.to_numeric(s, errors='coerce')

s = pd.Series(['1.0', '2', -3])
# ノーマルだとこんな感じ、デフォルトでfloat64（またはint64）
pd.to_numeric(s)

downcast=’integer’（最小位のintへ）

• float ではなく 最小位の int にしたい場合

# 値を保持できる最小のint型にダウンキャストする
pd.to_numeric(s, downcast='integer')

downcast=’float’（最小位のfloatへ）

# 値を保持できる最小のfloat型にダウンキャストする（float16ではないんだ...）
pd.to_numeric(s, downcast='float')

その他（未確認）

# signedもintergerと同様か？
pd.to_numeric(s, downcast='signed')

# unsignedも用途がいまいちわからず
pd.to_numeric(s, downcast='unsigned')