更改数据类型

明确指定数据的类型

df.dtypes (dt.dtype是描述数组的数据类型的)

df = pd.DataFrame({'A':[1,2,3,4],
                  'B':[2,3,4,5]})
df.dtypes
​
------------------------------下面是输出结果-------------------------------
A    int64
B    int64
dtype: object

也可以在定义时明确地指出数据类型

df = pd.DataFrame({'A':[1,2,3,4],
                  'B':[2,3,4,5]},dtype=int)
df.dtypes
​
​
---------------------------------下面是输出结果-------------------------------
A    int64
B    int64
dtype: object

---

通过astype()方法强制转换数据的类型

astype(dtype, copy=True, errors='raise', ** kwargs)

dtype：表示数据的类型

copy：是否建立副本，默认为True

errors：错误采取的处理方式，可以取值为raise或ignore，默认为raise。其中，raise表示允许引发异常，ignore表示抑制异常。

df = pd.DataFrame({'A':[1,2,3,4],
                 'B':['1','2','3','4'],
                 'C':[4,5,7,'G']})
print(df.dtypes)
# 进行数据类型转换
df['B'].astype(dtype='int')
​
-------------------------------下面是输出结果-------------------------------
A     int64
B    object
C    object
dtype: object
----------------------------
0    1
1    2
2    3
3    4
Name: B, dtype: int32

通过to_numeric()函数转换数据类型

astype()方法虽然可以转换数据的类型，但它存在着一些局限性，只要待转换的数据中存在数字以外的字符，在使用astype()方法进行类型转换时就会出现错误，而to_numeric()的出现正好解决了这个问题。

to_numeric()可以将传入的参数转换成数值类型。

pandas.to_numeric(arg, errors='raise', downcast=None)

arg：表示要转换的数据，可以是list,tuple,Serise

errors：错误采取的处理方式

ser_obj = pd.Series(['1','1.2','4.2'])
print(ser_obj)
# 将object类型转换为float类型
pd.to_numeric(ser_obj,errors='raise')
# raise表示允许引发异常
​
​
-------------------------------下面是输出结果-------------------------------
0      1
1    1.2
2    4.2
dtype: object
0    1.0
1    1.2
2    4.2
dtype: float64