pandas使用dtype/dtypes修改数据类型

在数据处理和分析中,经常需要对数据进行类型转换以满足特定的需求,本文主要介绍了pandas使用dtype/dtypes修改数据类型,具有一定的参考价值,感兴趣的可以了解一下

Pandas类型

用法一：修改某一列的数据类型

df: pd.DataFrame = pd.DataFrame([
    ['a', '1', '4.2'],
    ['b', '70', '0.03'],
    ['x', '5', '0']
], columns=['one', 'two', 'three'])
 
df['two'] = df['two'].astype('int64') # 修改'two'列为 int类型

用法二：修改多列的数据类型

df: pd.DataFrame = pd.DataFrame([
    ['a', '1', '4.2'],
    ['b', '70', '0.03'],
    ['x', '5', '0']
], columns=['one', 'two', 'three'])
 
df[['two', 'three']] = df[['two', 'three']].apply(pd.to_numeric) # 内置函数，to_numeric() 可以将一列转换为数值类型，自动判断是 int 还是 float

类似的内置函数还包括：pd.to_datetime()，转换成时间类型datetime，还有pd.to_timedelta()转换为时间戳类型

到此这篇关于pandas使用dtype/dtypes修改数据类型的文章就介绍到这了,更多相关pandas修改数据类型内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持vb.net教程C#教程python教程SQL教程access 2010教程xin3721自学网