Python 更改熊猫中的列类型

我想将一个表（表示为列表列表）转换为数据帧。作为一个极其简化的示例：

a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a)

将列转换为适当类型的最佳方法是什么，在本例中，将列2和3转换为浮点数？在转换为数据帧时，是否有方法指定类型？还是先创建DataFrame，然后循环遍历列以更改每列的类型更好？理想情况下，我希望以动态方式执行此操作，因为可以有数百列，而我不想确切指定哪些列属于哪种类型。我所能保证的是，每列都包含相同类型的值。

这怎么样

a=['a'，'1.2'，'4.2']，['b'，'70'，'0.03']，['x'，'5'，'0']
df=pd.DataFrame（a，列=['1'，'2'，'3']）
df
出[16]：
123
0 a 1.2 4.2
1 b 70 0.03
2x50
df.dtypes
出[17]：
一个物体
两个物体
三物体
df[['two'，'three']=df[['two'，'three']].astype（float）
df.dtypes
出[19]：
一个物体
两个浮点数64
三个浮点数64

在熊猫中转换类型有四个主要选项：

-提供将非数字类型（例如字符串）安全转换为合适数字类型的功能。（另请参见和。）

-将（几乎）任何类型转换为（几乎）任何其他类型（即使这样做不一定明智）。还允许您转换为类型（非常有用）

-如果可能，将包含Python对象的对象列转换为熊猫类型的实用方法

-将数据帧列转换为支持

pd.NA

（熊猫对象表示缺少值）的“最佳可能”数据类型

请继续阅读，了解每种方法的更详细解释和用法

---

1. <代码>到数值（） 将数据帧的一列或多列转换为数值的最佳方法是使用

此函数将尝试将非数字对象（如字符串）适当地更改为整数或浮点数

基本用法

to_numeric（）

的输入是数据帧的一个系列或一列

>>> s = pd.Series(["8", 6, "7.5", 3, "0.9"]) # mixed string and numeric values
>>> s
0      8
1      6
2    7.5
3      3
4    0.9
dtype: object

>>> pd.to_numeric(s) # convert everything to float values
0    8.0
1    6.0
2    7.5
3    3.0
4    0.9
dtype: float64

如您所见，将返回一个新系列。请记住将此输出分配给变量或列名以继续使用它：

# convert Series
my_series = pd.to_numeric(my_series)

# convert column "a" of a DataFrame
df["a"] = pd.to_numeric(df["a"])

您还可以使用它通过

apply（）

方法转换数据帧的多列：

# convert all columns of DataFrame
df = df.apply(pd.to_numeric) # convert all columns of DataFrame

# convert just columns "a" and "b"
df[["a", "b"]] = df[["a", "b"]].apply(pd.to_numeric)

只要您的值都可以转换，这可能就是您所需要的

错误处理 但如果某些值无法转换为数字类型，该怎么办

to_numeric（）

还接受一个

errors

关键字参数，该参数允许您强制非数值为

NaN

，或者忽略包含这些值的列

下面是一个使用一系列字符串

s

的示例，该字符串具有对象数据类型：

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

默认行为是在无法转换值时提升。在这种情况下，它无法处理字符串“pandas”：

>>> pd.to_numeric(s) # or pd.to_numeric(s, errors='raise')
ValueError: Unable to parse string

与其失败，不如将“pandas”视为缺失/错误的数值。我们可以使用

errors

关键字参数将无效值强制为

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

错误的第三个选项是在遇到无效值时忽略该操作：

>>> pd.to_numeric(s, errors='ignore')
# the original Series is returned untouched

当您希望转换整个数据帧，但不知道哪些列可以可靠地转换为数字类型时，最后一个选项特别有用。在这种情况下，只需写下：

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

该函数将应用于数据帧的每一列。可以转换为数字类型的列将被转换，而不能转换的列（例如，它们包含非数字字符串或日期）将被单独保留

向下转型
默认情况下，使用
转换为_numeric（）
将为您提供
int64
或
float64
数据类型（或平台固有的任何整数宽度）

这通常是您想要的，但是如果您想节省一些内存并使用更紧凑的数据类型，如
float32
或
int8
，该怎么办

to_numeric（）
提供了向下转换为“整数”、“有符号”、“无符号”、“浮点”的选项。下面是整数类型的简单系列
s
的示例：

>>> s = pd.Series([1, 2, -7])
>>> s
0    1
1    2
2   -7
dtype: int64

向下转换为“整数”时，使用可能包含以下值的最小整数：

>>> pd.to_numeric(s, downcast='integer')
0    1
1    2
2   -7
dtype: int8

向下投射到“浮动”类似地拾取比正常浮动类型更小的浮动类型：

>>> pd.to_numeric(s, downcast='float')
0    1.0
1    2.0
2   -7.0
dtype: float32


2. <代码>aType（）

该方法使您能够明确表示希望数据帧或序列具有的数据类型。它的用途非常广泛，您可以尝试从一种类型切换到任何其他类型

基本用法 只需选择一种类型：您可以使用NumPy数据类型（例如

np.int16

）、一些Python类型（例如bool）或特定类型（例如分类数据类型）

对要转换的对象调用该方法，

astype（）

将尝试为您转换它：

# convert all DataFrame columns to the int64 dtype
df = df.astype(int)

# convert column "a" to int64 dtype and "b" to complex type
df = df.astype({"a": int, "b": complex})

# convert Series to float16 type
s = s.astype(np.float16)

# convert Series to Python strings
s = s.astype(str)

# convert Series to categorical type - see docs for more details
s = s.astype('category')

请注意，我说了“try”-如果

astype（）

不知道如何转换序列或数据帧中的值，它将引发错误。例如，如果您有一个

NaN

或

inf

值，则尝试将其转换为整数时会出现错误

从0.20.0开始，可以通过传递

errors='ignore'

来抑制此错误。您的原始对象将原封不动地返回

小心

astype（）

功能强大，但有时会“错误地”转换值。例如：

>>> s = pd.Series([1, 2, -7])
>>> s
0    1
1    2
2   -7
dtype: int64

import pandas as pd

def coerce_df_columns_to_numeric(df, column_list):
    df[column_list] = df[column_list].apply(pd.to_numeric, errors='coerce')

a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a, columns=['col1','col2','col3'])

coerce_df_columns_to_numeric(df, ['col2','col3'])

这些是小整数，那么转换为无符号8位类型以节省内存如何

>>> s.astype(np.uint8)
0      1
1      2
2    249
dtype: uint8

转换成功了，但是-7被包装成249（即28-7）

尝试使用

pd.to\u numeric（s，downcast='unsigned'）

进行向下转换有助于防止此错误

---

3. <代码>推断对象（） pandas的0.21.0版介绍了转换co的方法

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

>>> df.convert_dtypes().dtypes                                             
a     Int64
b    string
dtype: object

>>> df.convert_dtypes(infer_objects=False).dtypes                          
a    object
b    string
dtype: object

# df is the DataFrame, and column_list is a list of columns as strings (e.g ["col1","col2","col3"])
# dependencies: pandas

def coerce_df_columns_to_numeric(df, column_list):
    df[column_list] = df[column_list].apply(pd.to_numeric, errors='coerce')

import pandas as pd

def coerce_df_columns_to_numeric(df, column_list):
    df[column_list] = df[column_list].apply(pd.to_numeric, errors='coerce')

a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a, columns=['col1','col2','col3'])

coerce_df_columns_to_numeric(df, ['col2','col3'])

d1 = pd.DataFrame(columns=[ 'float_column' ], dtype=float)
d1 = d1.append(pd.DataFrame(columns=[ 'string_column' ], dtype=str))

In[8}:  d1.dtypes
Out[8]: 
float_column     float64
string_column     object
dtype: object

df[['col.name1', 'col.name2'...]] = df[['col.name1', 'col.name2'..]].astype('data_type')

dataframe = dataframe.astype({'col_name_1':'int','col_name_2':'float64', etc. ...})

a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a, columns=['col_name_1', 'col_name_2', 'col_name_3'])
df = df.astype({'col_name_2':'float64', 'col_name_3':'float64'})

a = [['a', 1.2, 4.2], ['b', 70, 0.03], ['x', 5, 0]]

df = pd.DataFrame(np.array(a))

df
Out[5]: 
   0    1     2
0  a  1.2   4.2
1  b   70  0.03
2  x    5     0

df[1].dtype
Out[7]: dtype('O')

df = pd.DataFrame(a)

df
Out[10]: 
   0     1     2
0  a   1.2  4.20
1  b  70.0  0.03
2  x   5.0  0.00

df[1].dtype
Out[11]: dtype('float64')

df = pd.DataFrame({'a': ['1', '2', '3'], 'b': [4, 5, 6]}, dtype=object)
df.dtypes                                                                  

a    object
b    object
dtype: object

# Actually converts string to numeric - hard conversion
df.apply(pd.to_numeric).dtypes                                             

a    int64
b    int64
dtype: object

# Infers better data types for object data - soft conversion
df.infer_objects().dtypes                                                  

a    object  # no change
b     int64
dtype: object

# Same as infer_objects, but converts to equivalent ExtensionType
df.convert_dtypes().dtypes                                                     

In [40]: df = pd.DataFrame(
    ...:     {
    ...:         "a": pd.Series([1, 2, 3], dtype=np.dtype("int32")),
    ...:         "b": pd.Series(["x", "y", "z"], dtype=np.dtype("O")),
    ...:         "c": pd.Series([True, False, np.nan], dtype=np.dtype("O")),
    ...:         "d": pd.Series(["h", "i", np.nan], dtype=np.dtype("O")),
    ...:         "e": pd.Series([10, np.nan, 20], dtype=np.dtype("float")),
    ...:         "f": pd.Series([np.nan, 100.5, 200], dtype=np.dtype("float")),
    ...:     }
    ...: )

In [41]: dff = df.copy()

In [42]: df 
Out[42]: 
   a  b      c    d     e      f
0  1  x   True    h  10.0    NaN
1  2  y  False    i   NaN  100.5
2  3  z    NaN  NaN  20.0  200.0

In [43]: df.dtypes
Out[43]: 
a      int32
b     object
c     object
d     object
e    float64
f    float64
dtype: object

In [44]: df = df.convert_dtypes()

In [45]: df.dtypes
Out[45]: 
a      Int32
b     string
c    boolean
d     string
e      Int64
f    float64
dtype: object

In [46]: dff = dff.convert_dtypes(convert_boolean = False)

In [47]: dff.dtypes
Out[47]: 
a      Int32
b     string
c     object
d     string
e      Int64
f    float64
dtype: object

df.info() gives us initial datatype of temp which is float64


 #   Column  Non-Null Count  Dtype  
---  ------  --------------  -----  
 0   date    132 non-null    object 
 1   temp    132 non-null    float64

 Now, use this code to change the datatype to int64:  df['temp'] = df['temp'].astype('int64')


 if you do df.info() again, you will see:
  #   Column  Non-Null Count  Dtype 
 ---  ------  --------------  ----- 
  0   date    132 non-null    object
  1   temp    132 non-null    int64 

 this shows you have successfully changed the datatype of column temp. Happy coding!