【硬核干货】Pandas模块中的数据类型转换
我们在整理数据的时候，经常会碰上数据类型出错的情况，今天小编就来分享一下在Pandas模块当中的数据类型转换的相关技巧，干货满满的哦！
导入数据集和模块
那么我们第一步惯例就是导入Pandas模块以及创建数据集了，代码如下
import pandas as pd
import numpy as np
df = pd.DataFrame({
'string_col': ['1','2','3','4'],
'int_col': [1,2,3,4],
'float_col': [1.1,1.2,1.3,4.7],
'mix_col': ['a', 2, 3, 4],
'missing_col': [1.0, 2, 3, np.nan],
'money_col': ['£1,000.00', '£2,400.00', '£2,400.00', '£2,400.00'],
'boolean_col': [True, False, True, True],
'custom': ['Y', 'Y', 'N', 'N']
})
dfoutput
我们先来看一下每一列的数据类型，代码如下
df.dtypesoutput
string_col object
int_col int64
float_col float64
mix_col object
missing_col float64
money_col object
boolean_col bool
custom object
dtype: object当然了我们也可以调用info()方法来实现上述的目的，代码如下
df.info()output
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 8 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 string_col 4 non-null object
1 int_col 4 non-null int64
2 float_col 4 non-null float64
3 mix_col 4 non-null object
4 missing_col 3 non-null float64
5 money_col 4 non-null object
6 boolean_col 4 non-null bool
7 custom 4 non-null object
dtypes: bool(1), float64(2), int64(1), object(4)
memory usage: 356.0+ bytes数据类型转换
接下来我们开始数据类型的转换，最经常用到的是astype()方法，例如我们将浮点型的数据转换成整型，代码如下
df['float_col'] = df['float_col'].astype('int')或者我们将其中的“string_col”这一列转换成整型数据，代码如下
df['string_col'] = df['string_col'].astype('int')当然我们从节省内存的角度上来考虑，转换成int32或者int16类型的数据，
df['string_col'] = df['string_col'].astype('int8')
df['string_col'] = df['string_col'].astype('int16')
df['string_col'] = df['string_col'].astype('int32')然后我们再来看一下转换过后的各个列的数据类型
df.dtypesoutput
string_col float32
int_col int64
float_col int32
mix_col object
missing_col float64
money_col object
boolean_col bool
custom object
dtype: object但是当某一列的数据类型不止一个的时候，转换的过程当中则会报错，例如“mix_col”这一列
df['mix_col'] = df['mix_col'].astype('int')output
ValueError: invalid literal for int() with base 10: 'a'于是乎我们可以调用的to_numeric()方法以及errors参数，代码如下
df['mix_col'] = pd.to_numeric(df['mix_col'], errors='coerce')
dfoutput
而要是遇到缺失值的时候，进行数据类型转换的过程中也一样会出现报错，代码如下
df['missing_col'].astype('int')output
ValueError: Cannot convert non-finite values (NA or inf) to integer我们可以先通过调用fillna()方法来将缺失值填充成其他数值，然后再进行类型的转换，代码如下
df["missing_col"] = df["missing_col"].fillna(0).astype('int')
dfoutput
最后的则是“money_col”这一列，我们看到当中有货币符号，因此第一步我们要做的则是将这些货币符号给替换掉，然后再进行数据类型的转换，代码如下
df['money_replace'] = df['money_col'].str.replace('£', '').str.replace(',','')
df['money_replace'] = pd.to_numeric(df['money_replace'])
df['money_replace']output
0 1000.0
1 2400.0
2 2400.0
3 2400.0当遇上时间序列数据时
当我们需要给日期格式的数据进行类型转换的时候，通常需要调用的是to_datetime()方法，代码如下
df = pd.DataFrame({'date': ['3/10/2015', '3/11/2015', '3/12/2015'],
'value': [2, 3, 4]})
dfoutput
我们先来看一下各个列的数据类型
df.dtypesoutput
date object
value int64
dtype: object我们调用to_datetime()方法的代码如下
pd.to_datetime(df['date'])output
0 2015-03-10
1 2015-03-11
2 2015-03-12
Name: date, dtype: datetime64[ns]当然这并不意味着不能调用astype()方法了，出来的结果与上述的一样，代码如下
df['date'].astype('datetime64')而当我们遇到自定义格式的日期格式的数据时，同样也是调用to_datetime()方法，但是需要设置的格式也就是format参数需要保持一致
df = pd.DataFrame({'date': ['2016-6-10 20:30:0',
'2016-7-1 19:45:30',
'2013-10-12 4:5:1'],
'value': [2, 3, 4]})
df['date'] = pd.to_datetime(df['date'], format="%Y-%d-%m %H:%M:%S")output
是不是可以一步到位呢？
最后，或许有人会问，是不是有什么办法可以一步到位实现数据类型的转换呢？那当然也是可以实现的，代码如下
df = pd.DataFrame({'date_start': ['3/10/2000', '3/11/2000', '3/12/2000'],
'date_end': ['3/11/2000', '3/12/2000', '3/13/2000'],
'string_col': ['1','2','3'],
'float_col': [1.1,1.2,1.3],
'value': [2, 3, 4]})
df = df.astype({
'date_start': 'datetime64',
'date_end': 'datetime64',
'string_col': 'int32',
'float_col': 'int64',
'value': 'float32',
})我们来看一下出来的结果
dfoutput
**NO.**1
往期推荐
Historical articles
用Python当中Plotly.Express模块绘制几张图表，真的被惊艳到了！！
用Python制作可视化GUI界面，一键实现将头像转成动漫风！
分享、收藏、点赞、在看安排一下？
