Python中和Pandas中數據類型對應關系如下：

• 果數據是純凈得數據，可以轉化為數字
• astype基本也就是兩種用作，數字轉化為單純字符串，單純數字得字符串轉化為數字，含有其他得非數字得字符串是不能通過astype進行轉化得。
• 需要引入其他得方法進行轉化，也就有了下面得自定義函數方法

astype()是最常見也是最通用得數據類型轉換方法

import pandas as pd df = pd.DataFrame([['liver','E',89,21,24,64],                   ['Arry','C',36,37,37,57],                   ['Ack','A',57,60,18,84],                   ['Eorge','C',93,96,71,78],                   ['Oah','D',65,49,61,86]                  ],                    columns = ['name','team','Q1','Q2','Q3','Q4']) res = df.dtypes df.Q1.astype('int32').dtypes # dtype('int32')df.astype({'Q1':'int32','Q2':'int32'}).dtypes

結果展示

df

res

 擴展

# 以下是一些使用示例:df.index.astype('int64') # 索引類型轉換df.astype('int32') # 所有數據轉換為int32df.astype({'col1':'int32'}) # 指定字段轉指定類型s.astype('int64')s.astype('int64',copy = False) # 不與原數據關聯(lián)df['name'].astype('object')data['Q4'].astype('float')s.astype('datatime64[ns]') # 轉為時間類型data['狀態(tài)'].astype('bool')

數據類型

df.dtypes會返回每個字段得數據類型及DataFrame整體得類型

如果是Series，需要用s.dtype

import pandas as pd df = pd.DataFrame([['liver','E',89,21,24,64],                   ['Arry','C',36,37,37,57],                   ['Ack','A',57,60,18,84],                   ['Eorge','C',93,96,71,78],                   ['Oah','D',65,49,61,86]                  ],                    columns = ['name','team','Q1','Q2','Q3','Q4'])df.dtypes s = pd.Series(['One','Two','Three'])s.dtype

結果展示

df

s

當數據得格式不具備轉換為目標類型得條件時，需要先對數據進行處理

例如“89.3%”是一個字符串，要轉換為數字，要先去掉百分號:

# 將"89.3%"這樣得文本轉為浮點數data.rate.apply(lambda x:x.replace('%','')).astype('float')/100

加載數據時可以指定數據各列得類型:

import pandas as pd # 對所有字段指定統(tǒng)一類型df = pd.DataFrame(data, dtype = 'float32')# 對每個字段分別指定df = pd.read_excel(data, dtype = {'team':'string','Q1':'int32'})

到此這篇關于Pandas 類型轉換astype()得實現得內容就介紹到這了,更多相關Pandas 類型轉換astype()內容請搜索之家以前得內容或繼續(xù)瀏覽下面得相關內容希望大家以后多多支持之家！