pandas数据类型转换，astype与convert_dtypes

VIP文章 已于 2022-07-03 15:21:17 修改
阅读量2.2k 收藏 5
点赞数 1
分类专栏： # pandas 文章标签： pandas python 数据分析
于 2022-07-03 15:19:46 首次发布
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/ljr_123/article/details/125584658
版权

共同点： 都可实现数据类型的转换

不同点：
1、astype： 强制转换。将 pandas 对象强制转换为指定的 dtype；在转换为str时，空值也将被强制转换为str类型。

2、convert_dtypes： 转换为最佳类型。将 pandas 对象转换为可能的最佳 dtypes；支持pd.NA的 dtypes

举例：

import pandas as pd
import numpy as np

df = pd.DataFrame(
    {
   
        "a": pd.Series([1, 2, 3], dtype=np.dtype("int32")),
        "b": pd.Series(["x",
最低0.47元/天 解锁文章
jieru_liu
关注
  • 1
    点赞
  • 踩
  • 5
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python astype(np.float)函数使用方法解析
12-17
我的数据库如图 结构 我取了其中的name age nr，做成array，只要所取数据存在str型，那么取出的数据，全部转化为str型，也就是array阵列的元素全是str，不管数据库定义的是不是int型。 那么问题来了，取出的数据代入公式进行计算的时候，就会类型不符，这是就用到astype(np.float) 代码如下 import pymysql import numpy as np conn = pymysql.connect(host='39.106.168.84', user='xxxxxx', password='xxxxxx', port=3306,
astype转换数据类型
qq_57099024的博客
01-20 7460
astype方法：通用函数，可以用于把dataframe中的任何列转换成其他类型 常见的数据类型有：int 整型；float 浮点型；object/str 字符串；category 分类数据。 import pandas as pd import seaborn as sns tips=sns.load_dataset('tips')#选择seaborn自带数据集中的tips print(tips.dtypes)#查看tips数据每一列的类型 tips['sex']=tips['sex'].ast
astype函数_pandas字符串矢量级运算函数表
weixin_39789094的博客
11-27 347
Series含有一个str属性，通过str能够进行字符串的矢量级运算。使用Series的str属性时，需要Series元素的值是str(字符串)类型s.astype("str")。函数表矢量化字符串方法No方法RE说明0使用方式：s.str.cat()返回序列索引或其他1capitalize()no字符串转大写2cat([others,sep,na_rep,join])no用分隔符...
数据分析一、 pandas库基础知识
随风的博客
08-01 5237
一、jupyter 代码编辑器 Cell [sel] 细胞 jupyter 代码编辑器的一个代码单元，一般叫它 Cell。 Cell 是这款 jupyter 代码编辑器的主要构成要素。 代码的输入以及代码结果的输出都是在 Cell 中实现的。 Cell 一共由两个部分组成：In[] 和 Out[]，即输入框和输出框。 Cell 在使用时有两个很重要的特点，第一点体现在查看变量的时候，第二点体现在变量值的传递上。查看变量值的时候，只要输入变量名就可以了。 jupyter 代码编辑器第二个特点：当前的 Ce
python常用函数（一）
wu_x_j_的博客
04-17 417
一：type()，dtype，astype()的用法 type(a)，a.dype--不要带括号，a.astype(str)，当a中的为数组如[1,2,3]时，使用astype(str)会使得数组中的元素变为str类型 二：isinstance(a,b)的用法 a为变量，b为数据类型，.instance()无法判断两个变量是否为同一类型 第二个参数可以为元组类型，若a为元组中参数类型的一种...
pandas 强制类型转换 df.astype实例
09-17
主要介绍了pandas 强制类型转换 df.astype实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
Pandas实现数据类型转换的一些小技巧汇总
12-25
Pandas是Python当中重要的数据分析工具，利用Pandas进行数据分析时，确保使用正确的数据类型是非常重要的，否则可能会导致一些不可预知的错误发生。 Pandas 的数据类型：数据类型本质上是编程语言用来理解如何存储和...
python dataframe astype 字段类型转换方法
12-23
使用astype实现dataframe字段类型转换 # -*- coding: UTF-8 -*- import pandas as pd df = pd.DataFrame([{'col1':'a', 'col2':'1'}, {'col1':'b', 'col2':'2'}]) print df.dtypes df['col2'] = df['col2'].astype...
使用 pandas.pivot 构造透视表时，报错：ValueError: Index contains duplicate entries, cannot reshape
热门推荐
jieru_liu的博客
03-06 2万+
pivot 语法 DataFrame.pivot(index=None, columns=None, values=None) 报错原因： index & column 构成的组合中存在重复数据
pathlib.Path模块下的glob、rglob，glob模块下的glob、iglob
jieru_liu的博客
02-13 1万+
glob.glob(*)、glob.glob(**)、glob.iglob(*)、glob.iglob(**) Path.glob(*)、Path.glob(**)、Path.rglob(*)、Path.rglob(**)
对 pd.concat 的理解，以及报错 ValueError: Shape of passed values is 。。。的解决办法
jieru_liu的博客
05-13 1万+
""" pd.concat：将多个 pandas 对象，按行索引或列索引进行连接 """ f = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB')) # f # A B # 0 1 2 # 1 3 4 f1 = pd.concat([f, pd.DataFrame({"A": 20, "B": 40}, index=[0])]) # f1 # A B # 0 1 2 # 1 3 4 # 0 20 40 pd
如何在pandas中使用正则表达式处理数据——巧用replace函数中的repl参数
jieru_liu的博客
05-21 9467
1、获取数据源 可以下载下来后，从 csv 读取；或直接从该网址获取，但是网速较差时，直接从网址获取可能会报错 path = r"D:\01_学习相关\01_编程学习\02_Python\08_数据分析\00_datas\Online_Retail.csv" # 本地存放 csv 的绝对路径 online_rt = pd.read_csv(path) online_rt # Out[526]: # InvoiceNo,StockCode,Description,Quantity,Inv
pandas，将DataFrame的列逆序排列
jieru_liu的博客
12-26 6678
import pandas as pd import numpy as np df=pd.read_excel("https://www.gairuo.com/file/data/dataset/team.xlsx") # df.sample(5) # 随机读取5个数据 df.sort_index(na_position="first") # 通过因子化 factorize，将列进行逆序排列 # key：在排序前，对 index 执行的函数 df.sort_index(axis=1, key=lam
pandas 之 pivot_table 与 pivot 的区别
jieru_liu的博客
03-28 6291
1、pivot：通过指定的索引和列对数据进行重塑，无法聚合 语法： DataFrame.pivot(self, index=None, columns=None, values=None) 构建一个 DataFrame 数据 df = pd.DataFrame({'foo': ['one', 'one', 'one', 'two', 'two', ...
pandas之重命名轴索引（reindex、reindex_like、rename；set_index、reset_index；set_axis）
jieru_liu的博客
04-03 5915
reindex：重命名索引，如果新索引不存在原索引中，默认填充 NaN。 一般用于将已经存在的索引进行重排。没有 inplace 选项，即无法直接在 df 内部修改 >>> index = ['老王', '老张', '老何', '老魏', '老许'] >>> df = pd.DataFrame({'age': [24, 18, 36, 67, 38], ... ...
pandas，构造MultiIndex的四种方法：from_tuples、from_arrays、from_product、from_frame
jieru_liu的博客
03-26 4822
1、from_tuples：通过 “元组对” 构造MultiIndex """ 一对元组，为一个索引 """ tuples = [(1, 'red'), (1, 'blue'), (2, 'red'), (2, 'blue')] pd.MultiIndex.from_tuples(tuples, names=('number', 'color')) 2、from_arrays：通过 “列表元素的组合” 构造MultiIndex """ 列中表的元素，按位置 对应组合，形成索引 """ arrays
pandas，根据某几列筛选出重复记录，is_unique与duplicated
jieru_liu的博客
06-26 4350
is_unique与duplicated，根据一列某几列筛选重复记录
对numpy的min、max函数的理解
jieru_liu的博客
05-28 3569
1、生成数据源 arr = np.random.randint(5, 30, (3, 3, 3)) arr 2、min函数的使用详解 2.1、获取所有数据中的最小值 arr.min() 2.2、获取第一个维度的最小值 arr.min(axis=0) # array([[ 5, 9, 18], [[每一组的 第1行第1列, 每一组的 第1行第2列, 每一组的 第1行第3列 # [ 6, 8, 13], 每一组的 第2行第1列, 每一组的 第2行第2列, 每一组的 第2行
pandas数据类型转换
最新发布
03-31
Pandas数据类型转换可以通过astype()方法实现，常见的数据类型转换包括： 1. 将字符串转换为数值型数据类型（int、float） ```python df['column_name'] = df['column_name'].astype(int) df['column_name'] = df['column_name'].astype(float) ``` 2. 将数值型数据类型（int、float）转换为字符串 ```python df['column_name'] = df['column_name'].astype(str) ``` 3. 将数值型数据类型（int、float）转换为布尔型（bool） ```python df['column_name'] = df['column_name'].astype(bool) ``` 4. 将布尔型（bool）转换为数值型数据类型（int） ```python df['column_name'] = df['column_name'].astype(int) ``` 5. 将时间型数据类型（datetime）转换为字符串 ```python df['column_name'] = df['column_name'].astype(str) ``` 6. 将字符串转换为时间型数据类型（datetime） ```python df['column_name'] = pd.to_datetime(df['column_name']) ```

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值