python数据分析基础—Pandas数据类型转换

---

一、Pandas、Numpy、Python各自支持的数据类型

利用Pandas进行数据清洗，探索时，常常会涉及的数据类型的转换，发现某些特征列不是Pandas所能处理的类型，因此如何将Python基本数据类型转化为Pandas所能处理的数据类型，是后续数据分析的前期工作。

Python dtype	Pandas type	Numpy type
str	object	string_,unicode_
int	int64	int_,int8,int32,int64,unit8,unit16,unit32,unit64
float	float64	float_,float16,float32,float64
bool	bool	bool_
NA	datetime64	NA
NA	timesdate[ns]	NA
NA	category	NA

从上述表格中，可以看出Pandas支持的数据类型最为丰富，在某种情形下Numpy的数据类型可以与Pandas的数据类型相互转化，毕竟Pandas在Numpy的基础上开发的。

---

二、Pandas中转换数据类型

导入数据

import os
import pandas as pd 
import numpy as np
#读取文件
def read_file(filepath):
    os.chdir(os.path.dirname(filepath))
    return pd.read_csv(os.path.basename(filepath),encoding='utf-8')
file_pos="F:\\python_test\\data_1.csv"
data_pos=read_file(file_pos)
data_pos

查看数据情况

data_pos.dtypes

运行结果：

需要更改数据类型的部分：
1、客户编号serv_id的数据类型应该是object类型而不是int64类型。
2、2021金额与2022金额的数据类型应该是int64类型或者float64类型，而不是object类型。
3、所属组的数据类型应该是float64类型，而不是object类型。

1.通过astype()方法强制转换数据的类型

函数语法：

astype(dypte, copy=True, errors = ‘raise’, **kwargs)

参数说明：

• dtype：表示数据类型
• 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或者为ignore，默认为raise。其中raise表示允许引发异常，ingnore表示抑制异常。

举例1
要求：将客户编号serv_id数据列的数据类型从int64类型转换成object类型。

data_pos['serv_id'].astype('object')

举例2
要求：将2021金额与2022金额的数据类型从object类型转换成float64

data_pos['2021金额'].astype('float64')

举例3
要求：将所属组的数据类型从object类型转换成int64类型。

data_pos['所属组'].astype('int64')

举例4
要求：将状态的数据类型从object类型转换成bool类型。

data_pos['状态'].astype('bool')

通过上面例子2和例子3发现，当数据列中有非数字类型的字符（例子中￥,Nan等），astype()函数将失效，无法将其转换成数字类型（int64或者float64)，若强制转换会出现ValueError的异常（当参数errors取值ignore时可以抑制异常，但抑制异常后输出结果仍是未转换类型之前的对象——也就是并未进行数据类型转换的操作，只是不会报错罢了）。

观察例子4，你会发现，即使运行成功了，那就是所有的值都被替换成True，但是该列中包含好几个N标志，所以astype()函数在该列也是失效的。

总结：

• 数据列中每一个单位都是简单的数字（2，2.12等），使用astype()进行转换是有效的。
• 数据列中每一个单位都是数值类型，使用astype()可以向字符串object类型进行转换。
• 如果数据中存在缺失值，特殊字符（非数字字符），astype()函数可能失效。

2.自定义函数进行数据类型转换

方法一：通过构建一个函数应用于数据列一个数据，并将其转换为适合的数据类型。比如上述“将2021金额与2022金额的数据类型从object类型转换成float64”可以用自定义函数方法。

举例1
要求：将2021金额与2022金额的数据类型从object类型转换成float64。

def convert_currency(value):
	'''
	转换字符串数字为float类型
	移除不是数字字符 ¥，
	转换为float类型
	'''
	new_value=value.replace({',':'','¥':''},regex=True)
	print(new_value)
	return new_value.astype('float')

#2021金额、2022金额列完整的转换代码
data_pos['2021金额']=convert_currency(data_pos['2021金额'])
data_pos['2022金额']=convert_currency(data_pos['2022金额'])

举例2
要求：将增长率的数据类型从object类型转换成float64。

def convert_percent(value):
    """
    转换字符串百分数为float类型小数
    - 移除 %
    - 除以100转换为小数
    """
    new_value = value.replace('%', '',regex=True)
    return new_value.astype("float64") / 100

data_pos['增长率']=convert_percent(data_pos['增长率'])

方法二：使用lambda表达式

data_pos["2021金额"].apply(lambda x:x.replace(',','').replace('¥','')).astype("float64")
data_pos["2022金额"].apply(lambda x:x.replace(',','').replace('¥','')).astype("float64")

data_pos["增长率"].apply(lambda x:x.replace('%','')).astype("float64")/100

3.使用Pandas提供的函数to_numeric()

函数语法：

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

参数说明：

• arg：表示要转换的数据，可以是list、tuple、Series。
• errors：错误采用的处理方式可以取值除raise、ignore外，还可以取值coerce，默认为raise。其中raise表示允许引发异常，ignore表示抑制异常。
• downcast：{‘integer’, ‘signed’, ‘unsigned’, ‘float’}，默认为无。

pandas中的to_numeric()函数相对于astype()函数优势，在于可以解决：astype()包含一个非数值字符，转换就会出现错误的问题。
to_numeric()函数之所以可以解决这个问题，源于其errors参数可以取值coerce——当出现非数字字符时，会将其替换为缺失值之后进行数据类型转换。

举例1
要求：将所属组的数据类型从object类型转换成float64类型，使用to_numeric()将非数字字符先转成空值NaN缺失值，然后填充为0。

import pandas as pd 
pd.to_numeric(data_pos['所属组'],errors='coerce').fillna(0) #将字符串和bool类型转换为数字，其他均转换为NaN,本例中是将Nan字符串转换成NaN缺失值，然后填充为0。

举例2
要求：其他参数的使用例子

pd.to_numeric(data_pos['所属组'],errors='raise') #遇到含有非数字字符串类型报错。

pd.to_numeric(data_pos['所属组'],errors='ignore') #只对数字字符串转换，其他类型一律不转换。

pd.to_numeric(data_pos['所属组'],errors='ignore',downcast='signed') #转换为整型。

---

三、实际业务应用

引入实际数据进行分析

import os
import pandas as pd
import numpy as np
#读取文件
def read_file(filepath):
    os.chdir(os.path.dirname(filepath))
    return pd.read_csv(os.path.basename(filepath),encoding='utf-8')
file_pos="C:\\Users\\Desktop\\train_data_original.csv"
data_pos=read_file(file_pos)

查看数据类型

data_pos.dtypes

举例1：

要求：号码billing_nbr根据要求应该是object类型，而不是int64类型。以下两种方法都可以。

data_pos['billing_nbr'].astype('object')
data_pos['billing_nbr'].apply(str)

参考文章：
https://blog.csdn.net/Jormungand_V/article/details/109813368

https://zhuanlan.zhihu.com/p/35287822#:~:text=1%20%E4%BD%BF%E7%94%A8astype%20%28%29%E5%87%BD%E6%95%B0%E8%BF%9B%E8%A1%8C%E5%BC%BA%E5%88%B6%E7%B1%BB%E5%9E%8B%E8%BD%AC%E6%8D%A2%202,%E8%87%AA%E5%AE%9A%E4%B9%89%E5%87%BD%E6%95%B0%E8%BF%9B%E8%A1%8C%E6%95%B0%E6%8D%AE%E7%B1%BB%E5%9E%8B%E8%BD%AC%E6%8D%A2%203%20%E4%BD%BF%E7%94%A8Pandas%E6%8F%90%E4%BE%9B%E7%9A%84%E5%87%BD%E6%95%B0%E5%A6%82to_numeric%20%28%29%E3%80%81to_datetime%20%28%29