Hasil ekspor sering menyimpan angka sebagai teks: "$1,234.50", "TBC", " 7". Selama belum dikonversi, Anda tidak bisa menjumlahkannya, dan df.dtypes menampilkan str.
astype(float) mengonversi bila setiap nilai adalah angka bersih. Hapus dulu tanda mata uang dan koma pemisah ribuan dengan .str.replace.
pd.to_numeric(col, errors="coerce") mengonversi yang bisa dikonversi dan mengubah sisanya (seperti "TBC") menjadi NaN, alih-alih gagal.
- ID dengan nol di depan seperti
"00713" kehilangan nolnya begitu read_csv membacanya sebagai angka. Pertahankan sebagai teks dengan dtype={"sku": str} saat membaca.
- Tanggal menjadi tanggal sungguhan dengan
pd.to_datetime; berikan format="%m/%d/%Y" bila Anda tahu tata letaknya.
- True/False:
astype(bool) mengubah setiap teks yang tidak kosong menjadi True, termasuk "no". Bandingkan saja: col == "yes".
Angka tetap angka; "TBC" dan nilai kosong menjadi NaN.