Python 为日期时间和布尔值指定pandas.read_csv的正确数据类型

我正在将csv文件加载到熊猫数据帧中。对于每个列，如何使用

dtype

参数指定它包含的数据类型

• 我可以使用数字数据（底部的代码）
• 但是如何指定时间数据
• 和分类数据，如因子或布尔值？我尝试了

  np.bool\ucode>和
  pd.tslib.Timestamp
  但运气不佳

代码：

将熊猫作为pd导入
将numpy作为np导入
df=pd.read_csv（，dtype={'A'：np.int64，'B'：np.float64}）

阅读csv有很多选项，可以处理您提到的所有情况。您可能希望尝试dtype={'A'：datetime.datetime}，但通常不需要dtype，因为pandas可以推断类型

对于日期，则需要指定解析日期选项：

parse_dates : boolean, list of ints or names, list of lists, or dict
keep_date_col : boolean, default False
date_parser : function

一般来说，要转换布尔值，您需要指定：

true_values  : list  Values to consider as True
false_values : list  Values to consider as False

将列表中的任何值转换为布尔值true/false。对于更一般的转换，您很可能需要

转换器：用于转换某些列中的值的可选函数。键可以是整数或列标签

---

尽管很密集，但在这里查看完整列表：

查看日期参数。关于boolen值：您的数据是如何存储的？NumPy状态

np.bool\uu

用于存储为字节的布尔值（可能您使用的是字符串？）不知道转换器。我会调查的。但是指定为整数的类别呢？在我的例子中，我有很多这样的特性，因为它们既不是序数、间隔也不是比率，所以最好能将它们指定为标称（分类）。如果分类数据是字符串，则将它们保留为字符串，并在数据帧中读取后转换为整数（或者可以使用转换器转换特定列）。如果您有类似int的类别，那么您不能将它们作为int数据类型读入吗？数据是整数，但它们应该被视为类别。否则，许多机器学习模型将以错误的方式使用这些功能。我将跟随你。我的意见是，您可以在阅读CSV时进行转换，也可以在拥有数据帧后进行转换。我个人认为后者更容易一些。在读入数据框之后，假设您希望将列“A”分类。有一个小映射：def MapA（int1）：如果int1==0:return'category1'elif int1==1:return'category2'等等。。。并创建一列新的分类数据

true_values  : list  Values to consider as True
false_values : list  Values to consider as False