將參數轉換為數字類型。
默認返回dtype為float64或int64， 具體取決於提供的數據。使用downcast參數獲取其他dtype。
| 參數 | 描述 |
|---|---|
| args | 接受scalar, list, tuple, 1-d array, or Series類型 |
| errors | 有3種類型{‘ignore’, ‘raise’, ‘coerce’}, 默認為‘raise’ |
| downcast | {‘integer’, ‘signed’, ‘unsigned’, ‘float’} , default None,默認返回float64或int64 |
注意downcast的意思是向下轉換
errors中參數的解釋：
'raise'參數：無效的解析將引發異常
'corece'參數：將無效解析設置為NaN
'ignore'參數：無效的解析將返回輸入
downcast中參數的意義：
默認的None就是不進行處理
'integer'和'signed'：最小的有符號整數dtype（最小值np.int8）
'unsigned'：最小的unsigned int dtype（np.uint8）
'float'：最小的float dtype（np.float32）
返回值：如果解析成功，則為數字。其中返回類型取決於輸入。如果為Series，則為Series，否則為ndarray。
數據集構建代碼如下：
import pandas as pd
import numpy as np
s = pd.Series(['apple', '1.0', '2','2019-01-02',1, False,None,pd.Timestamp('2018-01-05')])
比如對於如下的數據：
執行raise會報錯，因為該數據里面有非數字，結果如下：
執行ignore結果如下：
執行coerce結果如下：
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，嚴格大於要強制轉換為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。
不理解可以試試就理解了，比如對該數據在'coerce'條件下執行integer會發現轉換的是float。
數據轉換還有astype的方法：
# astype中的error沒有`coerce`選項,所以只適合`numeric`內部類型的轉換,比如將int32轉換為int64,int32轉換為float32
# 而不適合在object,時間格式之間做轉換,
s.astype('int32',errors='raise')
s.astype('int32',errors='ignore') # 對object無效,astype只能對numeric類型生效