Python dataframe更改数据类型

有时经过预处理的dataframe其数据类型不是我们所需要的,如下图所示

从上图可看出,df里的数据并不是需要的float类型,而是object。通常情况下使用object也没有问题,但如果需要对数据进行数学上的操作时,就会有异常。例如比较df里的最大值:

从上面可以看出异常:环比里最大值为99.9,明显是错误的。这时就需要将这些数据从object类型改为float型。

更改类型的方法有如下几种:

1.使用to_numeric()函数

to_numeric()官方定义如下

pandas.to_numeric(arg, errors='raise', downcast=None)

arg:需要更改的单列或Series对象。

errors:遇到无法转换为数字的类型时的处理方式。方式如下:

raise:遇到无法解析的类型,直接报错

coerce:遇到无法解析的类型,将其内容设置为NaN

ignore:遇到无法解析的类型,将其保持原来的内容不变

downcast:默认是float64或int64类型。如果指定了类型,那么数据在转换时,就转换为指定的类型。

integer或signed:dtype里最小的数据类型:np.int8

unsigned:dtype里最小的无符号数据类型:np.uint8

float:最小的float型:np.float32

先举个简单的例子,再回到开始的dataframe df上去。

s是一个Series,其内容如下

直接使用to_numeric函数,对errors不进行处理的结果如下。可以看出无法解析‘ok’的内容,直接报错。

使用errors参数后结果如下

再回到之前df的例子上来。df是一个dataframe,如对其一列进行转换,代码如下。可以看出数据的类型已经发生了变化。

如果需要对整个df进行处理,可以使用apply函数,如下所示。

2.使用astype()进行强制转换。

通过如下转换,也能将df的内容变为float型。

在使用强制转换时需注意防止将数据转换为错误的形式。

如下所示s1有负数-5。通过强制转换为无符号类型时,就会得到错误的值。

3.使用infer_objects()函数进行转换。

其使用如下:DataFrame.infer_objects(self)

在version 0.21.0中新引入的特性。尝试自动转换为合适的数据类型。这个功能不是很完善,有时无法转换成功。如对df就未转换成想要的float类型。

在一些简单的应用场合,可以转换成功

综合起来,推荐使用to_numeric(),小心使用astype(),可以尝试使用infer_objects()。

通过以上的学习,你是否已经学会如何对dataframe更改数据类型?

  • 发表于:
  • 原文链接https://kuaibao.qq.com/s/20191219A0B3HT00?refer=cp_1026
  • 腾讯「云+社区」是腾讯内容开放平台帐号(企鹅号)传播渠道之一,根据《腾讯内容开放平台服务协议》转载发布内容。
  • 如有侵权,请联系 yunjia_community@tencent.com 删除。

扫码关注云+社区

领取腾讯云代金券