通过一个单独的映射表将数据类型加载到Python中，该映射表可以链接到主数据帧，以按列指定数据类型

虽然我对python还不熟悉，但我似乎已经掌握了它的窍门

但是，我将处理具有数百列的大型数据库，并且为每一列指定数据类型似乎是一个非常代码密集的练习，即必须专门写出列名并转换为特定的数据类型

问题：是否可以创建一个excel/CSV文件，将主数据库中的所有列放在一列中，并为每个列的数据类型创建一个单独的列。然后将其链接到主数据帧以基于辅助数据帧指定数据类型？i、 e.主数据库有100列，我加载了一个单独的表，表中的这100列位于行的下方，只有100行+一列具有数据类型（str、int等），可以对其进行索引，以便为主数据库中的每一行指定确切的数据类型

---

这类似于在excel中执行此操作的方式，即索引匹配一个单独的映射表

如果您有另一个具有正确数据类型的数据框，或者您可以创建一个{columnname:dtype}字典，那么您可以使用它来更改数据类型，如下所示

d={
“A”：np.random.choice（“abc.split（），5），
“B”：np.rand.rand（5），
“C”：np.arange（5）
}
df=pd.数据帧（d）
df2=df.astype（“O”）
打印（df2.D类型）
##使用其他数据帧的数据类型进行转换
打印（df2.astype（df.dtypes.dtypes）
##使用字典转换
打印（df2.aType（{“B”：“f”，“C”：“i”}）.dtypes）

如果您有另一个具有正确数据类型的数据帧，或者您可以创建一个{columnname:dtype}字典，那么您可以使用它来更改数据类型，如下所示

d={
“A”：np.random.choice（“abc.split（），5），
“B”：np.rand.rand（5），
“C”：np.arange（5）
}
df=pd.数据帧（d）
df2=df.astype（“O”）
打印（df2.D类型）
##使用其他数据帧的数据类型进行转换
打印（df2.astype（df.dtypes.dtypes）
##使用字典转换
打印（df2.aType（{“B”：“f”，“C”：“i”}）.dtypes）

为什么需要指定数据类型？通常，pandas在推断数据类型方面做得很好，尤其是从数据库导入数据时。您到底在做什么？为什么需要指定数据类型？通常，pandas在推断数据类型方面做得很好，尤其是从数据库导入数据时。你到底在干什么？