python數據處理之Pandas類型轉換怎么實現

這篇文章主要介紹“python數據處理之Pandas類型轉換怎么實現”的相關知識，小編通過實際案例向大家展示操作過程，操作方法簡單快捷，實用性強，希望這篇“python數據處理之Pandas類型轉換怎么實現”文章能幫助大家解決問題。

轉換為字符串類型

tips['sex_str'] = tips['sex'].astype(str)

轉換為數值類型

轉為數值類型還可以使用to_numeric()函數

DataFrame每一列的數據類型必須相同，當有些數據中有缺失，但不是NaN時（如missing,null等），會使整列數據變成字符串類型而不是數值型，這個時候可以使用to_numeric處理

#創造包含'missing'為缺失值的數據
tips_sub_miss = tips.head(10)
tips_sub_miss.loc[[1,3,5,7],'total_bill'] = 'missing'
tips_sub_miss

自動轉換為了字符串類型:

使用astype轉換報錯：

tips_sub_miss['total_bill'].astype(float)

使用to_numeric()函數：

直接使用to_numeric()函數還是會報錯，添加errors參數

errors可變參數：

• ignore 遇到錯誤跳過 （只是跳過沒轉類型）

• coerce 遇到不能轉的值強轉為NaN

pd.to_numeric(tips_sub_miss['total_bill'],errors='ignore')

pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce')

to_numeric向下轉型:

downcast參數

• integer 和 signed最小的有符號int dtype

• float 最小的float dtype

• unsigned 最小的無符號int dtype

downcast參數設置為float之后, total_bill的數據類型由float64變為float32

pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce',downcast='float')

分類數據（Category）

利用pd.Categorical()創建categorical數據，Categorical()常用三個參數

• 參1 values，如果values中的值，不在categories參數中，會被NaN代替

• 參2 categories，指定可能存在的類別數據

• 參3 ordered, 是否指定順序

s = pd.Series(pd.Categorical(["a","b","c","d"],categories=['c','b','a']))

分類數據排序會自動根據分類排序：

ordered指定順序：

from pandas.api.types import CategoricalDtype
# 創建一個分類  ordered  指定順序
cat = CategoricalDtype(categories=['B','D','A','C'],ordered=True)
# 指定series_cat1轉換類型為創建的分類類型
series_cat1 = series_cat.astype(cat)
print(series_cat.sort_values())
print(series_cat1.sort_values())

數據類型小結

關于“python數據處理之Pandas類型轉換怎么實現”的內容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業相關的知識，可以關注億速云行業資訊頻道，小編每天都會為大家更新不同的知識點。