dt_data['preco'] = dt_data['preco'].fillna('0.0')
dt_data['preco'] = dt_data['preco'].apply(lambda x: x.replace('$', '').replace(',',''))
import numpy as np
dt_data['preco'] = dt_data['preco'].astype(np.float64)
dt_data.info()
dt_data['preco'] = dt_data['preco'].fillna('0.0')
dt_data['preco'] = dt_data['preco'].apply(lambda x: x.replace('$', '').replace(',',''))
import numpy as np
dt_data['preco'] = dt_data['preco'].astype(np.float64)
dt_data.info()
Oi, Marcia! Como vai?
Agradeço por compartilhar seu código com a comunidade Alura.
Você fez uma ótima escolha ao utilizar o método fillna para preencher valores ausentes e o apply para remover os símbolos de dólar e vírgula.
Um método que compartilho é o
pd.to_numeric()para converter as colunas diretamente para o tipo numérico. Aqui vai um exemplo de como utilizar esse método:dt_data['preco'] = pd.to_numeric(dt_data['preco'], errors='coerce')
O método pd.to_numeric() é muito eficaz e ainda permite tratar erros, substituindo valores não conversíveis por NaN.
Até mais!
Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!