Pandas使用dtype/dtypes修改数据类型例子解析

Pandas使用dtype/dtypes修改数据类型例子解析

引用

CSDN

1.

https://m.blog.csdn.net/jimn2000/article/details/141684820

Pandas 是 Python 中一个强大的数据分析库，它提供了多种方式来处理和转换数据类型。dtype 和 dtypes 是两个与数据类型相关的属性和方法。下面是一些使用 dtype 和 dtypes 修改数据类型的详细例子：

1. 检查数据类型

首先，你可以使用 dtypes 属性来查看 DataFrame 中每列的数据类型：

import pandas as pd

# 创建一个示例 DataFrame
df = pd.DataFrame({
    'A': [1, 2, 3],
    'B': ['a', 'b', 'c'],
    'C': [1.1, 2.2, 3.3]
})

# 查看数据类型
print(df.dtypes)

2. 修改数据类型

你可以使用 astype 方法来转换列的数据类型：

# 将列 'A' 转换为 float 类型
df['A'] = df['A'].astype(float)

# 将列 'B' 转换为 category 类型
df['B'] = df['B'].astype('category')

# 将列 'C' 转换为 int 类型
df['C'] = df['C'].astype(int)

print(df.dtypes)

3. 批量修改数据类型

如果你想要批量修改 DataFrame 中的数据类型，可以使用 select_dtypes 方法结合 astype：

# 选择所有的数值类型列并转换为 float 类型
df_numeric = df.select_dtypes(include=[np.number])
df[df_numeric.columns] = df_numeric.astype(float)

print(df.dtypes)

4. 使用 dtype 属性

dtype 属性通常用于访问单个列的数据类型：

# 打印列 'A' 的数据类型
print(df['A'].dtype)

5. 转换为时序数据类型

如果你的数据包含日期或时间，你可以使用 to_datetime 方法来转换：

# 假设列 'D' 是日期字符串
df['D'] = ['2024-01-01', '2024-01-02', '2024-01-03']

# 转换为 datetime 类型
df['D'] = pd.to_datetime(df['D'])

print(df.dtypes)

6. 转换为布尔类型

有时你可能需要将某些数据转换为布尔类型：

# 假设列 'E' 是布尔值的字符串
df['E'] = ['True', 'False', 'True']

# 转换为布尔类型
df['E'] = df['E'].astype(bool)

print(df.dtypes)

注意事项

• 在转换数据类型时，确保转换是有意义的。例如，将非数值列转换为数值类型可能会导致错误或数据丢失。
• 使用 astype 时，如果转换失败，Pandas 会抛出异常。确保你的转换是有效的。

这些例子展示了如何在 Pandas 中使用 dtype 和 dtypes 来检查和修改数据类型。根据你的数据和需求，选择合适的转换方法。

本文原文来自CSDN