【跟着stackoverflow学Pandas】 - Pandas: change data type of columns - Pandas修改列的类型

最近做一个系列博客，跟着stackoverflow学Pandas。

专栏地址：http://blog.csdn.net/column/details/16726.html

以 pandas作为关键词，在stackoverflow中进行搜索，随后安照 votes 数目进行排序：
https://stackoverflow.com/questions/tagged/pandas?sort=votes&pageSize=15

Pandas: change data type of columns - Pandas修改列的类型

https://stackoverflow.com/questions/15891038/pandas-change-data-type-of-columns

数据集

import pandas as pd
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a, columns=['col1', 'col2', 'col3'])
print df.head()
#   col1 col2  col3
# 0    a  1.2   4.2
# 1    b   70  0.03
# 2    x    5     0

print df.dtypes
# col1    object
# col2    object
# col3    object
# dtype: object

这里的3列数据，col1是明显的字符数据，col2、col3是数值型数据，但是因为数据在导入时加了引号，按照字符串数据来处理，如果我们想对他们进行数值操作，就需要进行转换。

下面我们推荐几种方法

pd.to_numeric

对于明显是数值的数据，转换类型直接采用 pd.to_numeric 就可以了，如果数据既有数值型又有字符型，那么我们就要根据情况区别对待了。

s = pd.Series(['1', '2', '4.7', 'pandas', '10'])
# pd.to_numeric(s)  # 如果直接转换会报错
# ValueError: Unable to parse string "pandas" at position 3

# 可以强制转换，字符型数据就会变成 NaN，数据类型变为 float64
pd.to_numeric(s, errors='coerce')
# 0     1.0
# 1     2.0
# 2     4.7
# 3     NaN
# 4    10.0
# dtype: float64

# 也可以忽略错误，结果不做处理
pd.to_numeric(s, errors='ignore')
# 0         1
# 1         2
# 2       4.7
# 3    pandas
# 4        10
# dtype: object

如果有多个列需要转换，可以采用apply进行批量操作。

df[['col2','col3']] = df[['col2','col3']].apply(pd.to_numeric， errors='ignore') # 同样可以添加 errors 参数
print df
#  col1  col2  col3
# 0    a   1.2  4.20
# 1    b  70.0  0.03
# 2    x   5.0  0.00

print df.dtypes
# col1     object
# col2    float64
# col3    float64
# dtype: object

相似的函数，还有 pd.to_datetime、pd.to_timedelta，可以实现对时间的转换。

astype

pd.to_numeric 用起来很简单，但是它把所有的变量都变成了float64，那么如果数据是整形呢。我们可以试试 astype 函数。

a = [['a', '1', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])
print df
#   one two three
# 0   a   1   4.2
# 1   b  70  0.03
# 2   x   5     0

print df.dtypes
# one      object
# two      object
# three    object
# dtype: object

# 批量操作
df[['two', 'three']] = df[['two', 'three']].astype(float)
print df.dtypes
# one       object
# two      float64
# three    float64
# dtype: object


df['two'] = df['two'].astype(int)
print df.dtypes
# one       object
# two        int64
# three    float64
# dtype: object

生成DataFrame时指定变量类型

df = pd.DataFrame(a, columns=['one', 'two', 'three'], dtype={'one': str, 'two': int, 'three': float})

infer_objects

如果数据很多无法判断数据类型，可以采用 infer_objects（Pandas Version 0.21.0）

df = pd.DataFrame({'a': [7, 1, 5], 'b': ['3','2','1']}, dtype='object')
df.dtypes
# a    object
# b    object
# dtype: object

df = df.infer_objects()
df.dtypes
# a     int64
# b    object # 因为b列加了引号，推断成了字符串
# dtype: object