Python 应用某些操作后自动更改数据帧的数据类型

这是一个数据帧：

txt = '''A B C 
1Â 2Â abcÂ
2Â 5Â defÂ'''

df = pd.read_table(StringIO(txt), sep = '\s{1,}')

现在df.dtypes给出：

    A   B   C
0   1Â  2Â  abcÂ
1   2Â  5Â  defÂ

删除特殊字符

后

A    object
B    object
C    object
dtype: object

我想适当地更改每列的

d类型

我已经使用了
df.infere\dtype（）.dtypes
，但它仍然提供了
对象dtype
。
我还使用了
pd.api.types.expert\u dtype（df）
，但它给出了
字符串
，但我希望每个列都有
dtype
。
这种情况发生是因为
1
和
2
实际上是
“1”
和
“2”
。熊猫只是推断你有字符串列，因为它们是字符串。它们是字符串，因为
1
是一个字符串，当你去掉
时，你只剩下str
“1”

相反，您可以做的是事先解析数据，然后用清理过的数据创建数据帧

比如说

df = df.applymap(lambda x: x.strip('Â'))

现在

屈服

pd.read_table(StringIO(clean(txt)), delim_whitespace=True).dtypes

您可以使用dataframe
.astype（）
方法来更改
dtypes
。使用
dict
以特定列及其预期类型为目标

A     int64
B     int64
C    object
dtype: object

编辑：如果我理解正确，请在清理数据帧后再查看数据帧的数据类型。在这种情况下，您可以执行以下操作：

import numpy as np

# Create data frame and clean data...

types = {'A': np.int64, 'B': np.int64, 'C': np.str}
df = df.astype(types)

df.dtypes

A     int64
B     int64
C    object
dtype: object

或者，对于口述：

# Implicitly convert numeric types; see the 'convert_objects'
# documentation for other supported types
df = df.convert_objects(convert_numeric=True)

df.apply(pd.api.types.infer_dtype)

A    integer
B    integer
C     string
dtype: object

注意：我使用的是pandas 0.23.3

编辑2:根据您的请求，这里是我正在使用的完整代码。我也简化了它，所以不需要推理

dict(df.apply(pd.api.types.infer_dtype))

{'A': 'integer', 'B': 'integer', 'C': 'string'}

即使这样做有效，我相信OP也不想手动设置类型。我只想在没有硬编码的情况下获得
类型
字典，因为有100个列@RafaelC有什么帮助吗？@krishna请查看修改后的答案。@T.Ray在我的例子中，它为所有列提供了
字符串。我用的是熊猫0.22。0@krishna看起来您需要首先转换一些字符串类型。请参阅
convert_objects
docs以了解其他受支持的类型（）。它在本例中有效。但在一般情况下，我想在读取数据帧并清理之后更改类型。有没有办法做到这一点。
dict(df.apply(pd.api.types.infer_dtype))

{'A': 'integer', 'B': 'integer', 'C': 'string'}

from io import StringIO
txt = '''A B C 
1Â 2Â abcÂ
2Â 5Â defÂ'''

df = pd.read_table(StringIO(txt), sep = '\s{1,}', engine='python')
df = df.applymap(lambda x: x.strip('Â'))

df = df.convert_objects(convert_numeric=True)

df.dtypes

A     int64
B     int64
C    object
dtype: object