zoukankan      html  css  js  c++  java
  • 在 Pandas 中更改列的数据类型

    import pandas as pd
    import numpy as np
    a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
    df = pd.DataFrame(a)
    
    df.dtypes
    
    0    object
    1    object
    2    object
    dtype: object
    

    数据框(data.frame)是最常用的数据结构,用于存储二维表(即关系表)的数据,每一列存储的数据类型必须相同,不同数据列的数据类型可以相同,也可以不同,但是每列的行数(长度)必须相同。数据框的每列都有唯一的名字,在已创建的数据框上,用户可以添加计算列。

    1 创建 DataFrame 时指定类型

    如果要创建一个 DataFrame,可以直接通过 dtype 参数指定类型:

     df = pd.DataFrame(data=np.arange(100).reshape((10,10)), dtype=np.int8) 
    df.dtypes
    
    0    int8
    1    int8
    2    int8
    3    int8
    4    int8
    5    int8
    6    int8
    7    int8
    8    int8
    9    int8
    dtype: object
    

    2 对于 Series

    s = pd.Series(['1', '2', '4.7', 'pandas', '10'])
    s
    
    0         1
    1         2
    2       4.7
    3    pandas
    4        10
    dtype: object
    

    使用 to_numeric 转为数值

    默认情况下,它不能处理字母型的字符串'pandas'

    pd.to_numeric(s) # or pd.to_numeric(s, errors='raise');
    
    ---------------------------------------------------------------------------
    
    ValueError                                Traceback (most recent call last)
    
    pandas/_libs/src/inference.pyx in pandas._libs.lib.maybe_convert_numeric()
    
    
    ValueError: Unable to parse string "pandas"
    
    
    During handling of the above exception, another exception occurred:
    
    
    ValueError                                Traceback (most recent call last)
    
    <ipython-input-24-12f1203e2645> in <module>()
    ----> 1 pd.to_numeric(s) # or pd.to_numeric(s, errors='raise');
    
    
    C:Program Files (x86)Microsoft Visual StudioSharedAnaconda3_64libsite-packagespandascore	ools
    umeric.py in to_numeric(arg, errors, downcast)
        131             coerce_numeric = False if errors in ('ignore', 'raise') else True
        132             values = lib.maybe_convert_numeric(values, set(),
    --> 133                                                coerce_numeric=coerce_numeric)
        134 
        135     except Exception:
    
    
    pandas/_libs/src/inference.pyx in pandas._libs.lib.maybe_convert_numeric()
    
    
    ValueError: Unable to parse string "pandas" at position 3
    

    可以将无效值强制转换为NaN,如下所示:

    pd.to_numeric(s, errors='coerce')
    
    0     1.0
    1     2.0
    2     4.7
    3     NaN
    4    10.0
    dtype: float64
    

    如果遇到无效值,第三个选项就是忽略该操作:

    pd.to_numeric(s, errors='ignore')
    
    0         1
    1         2
    2       4.7
    3    pandas
    4        10
    dtype: object
    

    3 对于多列或者整个 DataFrame

    如果想要将这个操作应用到多个列,依次处理每一列是非常繁琐的,所以可以使用 DataFrame.apply 处理每一列。

    a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
    df = pd.DataFrame(a, columns=['col1','col2','col3'])
    df
    
    col1 col2 col3
    0 a 1.2 4.2
    1 b 70 0.03
    2 x 5 0
    df[['col2','col3']] = df[['col2','col3']].apply(pd.to_numeric)
    df.dtypes
    
    col1     object
    col2    float64
    col3    float64
    dtype: object
    

    这里「col2」和 「col3」根据需要具有 float64 类型

    df.apply(pd.to_numeric, errors='ignore')

    该函数将被应用于整个DataFrame,可以转换为数字类型的列将被转换,而不能(例如,它们包含非数字字符串或日期)的列将被单独保留。

    另外 pd.to_datetimepd.to_timedelta 可将数据转换为日期和时间戳。

    软转换——类型自动推断

    infer_objects() 方法,用于将具有对象数据类型的 DataFrame 的列转换为更具体的类型。

    df = pd.DataFrame({'a': [7, 1, 5], 'b': ['3','2','1']}, dtype='object')
    df.dtypes
    
    a    object
    b    object
    dtype: object
    

    然后使用 infer_objects(),可以将列 'a' 的类型更改为 int64

    df = df.infer_objects()
    df.dtypes
    
    a     int64
    b    object
    dtype: object
    

    astype 强制转换

    如果试图强制将两列转换为整数类型,可以使用 df.astype(int)

    a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
    df = pd.DataFrame(a, columns=['one', 'two', 'three'])
    df.dtypes
    
    one      object
    two      object
    three    object
    dtype: object
    
    df[['two', 'three']] = df[['two', 'three']].astype(float)
    df.dtypes
    
    one       object
    two      float64
    three    float64
    dtype: object
  • 相关阅读:
    定义函数的三种形式
    函数的定义
    文件修改的两种方式
    文件的高级应用
    with管理文件操作上下文
    SQL Server 823,824 错误
    SQL Server 无法启动的 4 种原因
    SQL Server 查看正在运行的事务信息的 2 种方法。
    MySQL 指定数据库字符集的 3 种方法。
    MYSQL 注释的 3 方法
  • 原文地址:https://www.cnblogs.com/q735613050/p/9130312.html
Copyright © 2011-2022 走看看