Python-更改Pandas中列的数据类型
我想将表示为列表列表的表转换为Pandas DataFrame。作为一个极其简化的示例：
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a)
将列转换为适当类型的最佳方法是什么（在这种情况下，将列2和3转换为浮点数）？有没有一种方法可以在转换为DataFrame时指定类型？还是先创建DataFrame然后遍历各列以更改各列的类型更好？理想情况下，我想以动态方式执行此操作，因为可以有数百个列，并且我不想确切指定哪些列属于哪种类型。我可以保证的是，每一列都包含相同类型的值。
-
你可以使用三种主要选项来转换pandas的类型：
to_numeric()提供安全地将非数字类型（例如字符串）转换为合适的数字类型的功能。（另请参见to_datetime()和to_timedelta()。）astype()-将（几乎）任何类型转换为（几乎）任何其他类型（即使这样做不一定明智）。还允许你转换为分类类型（非常有用）。infer_objects()一种实用方法，如果可能的话，将保存Python对象的对象列转换为熊猫类型。继续阅读以获取每种方法的更详细的解释和用法。
1。 to_numeric()
将DataFrame的一列或多列转换为数值的最佳方法是使用
pandas.to_numeric()。此函数将尝试将非数字对象（例如字符串）适当地更改为整数或浮点数。
基本用法
输入的to_numeric()是DataFrame的Series或单个列。>>> s = pd.Series(["8", 6, "7.5", 3, "0.9"]) # mixed string and numeric values >>> s 0 8 1 6 2 7.5 3 3 4 0.9 dtype: object >>> pd.to_numeric(s) # convert everything to float values 0 8.0 1 6.0 2 7.5 3 3.0 4 0.9 dtype: float64如你所见，将返回一个新的Series。请记住，将此输出分配给变量或列名以继续使用它：
# convert Series my_series = pd.to_numeric(my_series) # convert column "a" of a DataFrame df["a"] = pd.to_numeric(df["a"])你还可以通过以下apply()方法使用它来转换DataFrame的多个列：
# convert all columns of DataFrame df = df.apply(pd.to_numeric) # convert all columns of DataFrame # convert just columns "a" and "b" df[["a", "b"]] = df[["a", "b"]].apply(pd.to_numeric)只要你的值都可以转换，那可能就是你所需要的。
错误处理
但是，如果某些值不能转换为数字类型怎么办？
to_numeric()还使用errors关键字参数，该参数允许你将非数字值强制为NaN，或仅忽略包含这些值的列。这是一个使用一系列s具有对象dtype 的字符串的示例：
>>> s = pd.Series(['1', '2', '4.7', 'pandas', '10']) >>> s 0 1 1 2 2 4.7 3 pandas 4 10 dtype: object如果无法转换值，则默认行为是引发。在这种情况下，它不能处理字符串“ pandas”：
>>> pd.to_numeric(s) # or pd.to_numeric(s, errors='raise') ValueError: Unable to parse string我们可能希望将“ pandas”视为丢失/错误的数值，而不是失败。我们可以NaN使用errors关键字参数将无效值强制如下：
>>> pd.to_numeric(s, errors='coerce') 0 1.0 1 2.0 2 4.7 3 NaN 4 10.0 dtype: float64第三个选项errors只是在遇到无效值时忽略该操作：
>>> pd.to_numeric(s, errors='ignore') # the original Series is returned untouched当你要转换整个DataFrame，但又不知道我们哪些列可以可靠地转换为数字类型时，最后一个选项特别有用。在这种情况下，只需写：
df.apply(pd.to_numeric, errors='ignore')该函数将应用于DataFrame的每一列。可以转换为数字类型的列将被转换，而不能转换（例如，它们包含非数字字符串或日期）的列将被保留。
向下转型
默认情况下，
with转换to_numeric()将为你提供a int64或float64dtype（或平台固有的任何整数宽度）。通常这就是你想要的，但是如果你想节省一些内存并使用更紧凑的dtype，如float32或int8呢？
to_numeric()你可以选择向下转换为“整数”，“有符号”，“无符号”，“浮点型”。这是一个简单s的整数类型系列的示例：>>> s = pd.Series([1, 2, -7]) >>> s 0 1 1 2 2 -7 dtype: int64向下转换为“整数”将使用可以保存值的最小整数：
>>> pd.to_numeric(s, downcast='integer') 0 1 1 2 2 -7 dtype: int8向下转换为“ float”类似地选择了一个比普通浮点型小的类型：
>>> pd.to_numeric(s, downcast='float') 0 1.0 1 2.0 2 -7.0 dtype: float322。 astype()
该astype()方法使你可以明确表示想要DataFrame或Series具有的dtype。它非常通用，可以尝试从一种类型转换为另一种类型。
基本用法
只需选择一种类型：你可以使用NumPy dtype（例如np.int16），某些Python类型（例如bool）或特定于熊猫的类型（例如类别dtype）。
在要转换的对象上调用方法，然后astype()将尝试为你转换：
# convert all DataFrame columns to the int64 dtype df = df.astype(int) # convert column "a" to int64 dtype and "b" to complex type df = df.astype({"a": int, "b": complex}) # convert Series to float16 type s = s.astype(np.float16) # convert Series to Python strings s = s.astype(str) # convert Series to categorical type - see docs for more details s = s.astype('category')注意，我说的是“尝试”-如果
astype()不知道如何在Series或DataFrame中转换值，则会引发错误。例如，如果你具有NaNor inf值，则在尝试将其转换为整数时会出错。从熊猫0.20.0开始，可以通过传递来抑制此错误
errors='ignore'。你的原始对象将保持原样返回。注意：
astype()功能强大，但有时会“错误地”转换值。例如：>>> s = pd.Series([1, 2, -7]) >>> s 0 1 1 2 2 -7 dtype: int64这些都是小整数，那么如何转换为无符号8位类型以节省内存呢？
>>> s.astype(np.uint8) 0 1 1 2 2 249 dtype: uint8转换工作，但-7包裹轮成为249（如2 8 - 7）！
尝试使用向下转换来
pd.to_numeric(s, downcast='unsigned')帮助防止此错误。3。 infer_objects()
pandas的0.21.0版引入了
infer_objects()将具有对象数据类型的DataFrame列转换为更特定类型（软转换）的方法。例如，这是一个带有两列对象类型的
DataFrame。一个保存实际的整数，另一个保存代表整数的字符串：>>> df = pd.DataFrame({'a': [7, 1, 5], 'b': ['3','2','1']}, dtype='object') >>> df.dtypes a object b object dtype: object使用
infer_objects()，你可以将列'a'的类型更改为int64：>>> df = df.infer_objects() >>> df.dtypes a int64 b object dtype: object由于列“ b”的值是字符串而不是整数，因此已被保留。如果要尝试强制将两列都转换为整数类型，则可以
df.astype(int)改用。
