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_datetime
和 pd.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