python数据分析——数据类型转换

参考资料：活用pandas库

        本例使用seaborn中的tip数据集来进行讲解。调用DataFrame的dtypes属性获取每列的数据类型。

import pandas as pd

# 读取数据集
tips=pd.read_csv(r"...\seaborn常用数据案例\tips.csv")
# 展示数据类型
print(tips.dtypes)

        int64表示不带小数点的数值数据；后面的64表示保存数据所用的位数；

        float64表示带小数点的数值数据；

        category表示分类数据；

        object表示字符串。

1、类型转换

（1）使用astype方法，可以向astype方法提供任何内置类型或numpy类型来转换dtype。

# 将total_bill转换为字符串类型
tips['total_bill']=tips['total_bill'].astype(str)
# 展示结果
tips.dtypes

# 将total_bill重新转换为float类型
tips['total_bill']=tips['total_bill'].astype(float)
# 展示结果
tips.dtypes

（2）如果想把变量转换为数值类型（例如int或float），还可以使用pandas的to_numeric函数。

        to_numeric函数有一个参数errors，它决定了当该函数遇到无法转换为数值的数据时该如何处理。

        默认情况下，该参数值为raise，即如果to_numeric遇到无法转换的数据时会提示报错。

        当取值为coerce，表示当遇到无法转换的数据时，会返回NaN。

        当取值为ignore，表示当遇到无法转换的数据时，会放弃数值转换，直接返回原始数据列。

# 获取tips数据子集
tips_sub_miss=tips.head(10)
# 对数据集添加缺失值
tips_sub_miss.loc[[1,3,5,7],"total_bill"]='miss'
# 展示数据
print(tips_sub_miss)
# 展示数据类型
print(tips_sub_miss.dtypes)

# 使用to_numeric函数对total_bill进行数据转换
tips_sub_miss['total_bill']=pd.to_numeric(
    tips_sub_miss['total_bill'],errors='coerce')
# 展示数据
print(tips_sub_miss)
# 展示数据类型
print(tips_sub_miss.dtypes)

        to_numeric函数还有一个downcast参数，它允许把列（或向量）转换为数值向量后，把数值类型更改为最小的数值类型。默认情况下，downcast的值为None，其他可以设置的值有“integer”、“signed”、“unsigned”、“float”。

# 将downcast参数设置为float
tips_sub_miss['total_bill']=pd.to_numeric(
    tips_sub_miss['total_bill'],
    errors='coerce',
    downcast='float')
# 展示数据类型
print(tips_sub_miss.dtypes)

2、分类数据

        pands中有一种category dtype，用于对分类值进行编码。分类数据的优点如下：

（1）采用这种方式存储数据能显著节约内存，提高速度，尤其是当数据集中包含许多重复字符串时。

（2）当一列值存在一定的顺序（比如李克特量表）时，应转换为分类数据。

（3）有些python库可以处理分类数据（比如拟合统计模型）。

        调用astype方法时，只要把category传递给它，就能把一列的数据类型转换为category类型。如下：

# 把sex列的数据类型转换为category
tips['sex']=tips['sex'].astype('category')
# 展示数据类型
print(tips.info())

        对于分类数据，可以进行如下操作：