python中dtype什么意思_什么是dtype（'O'）？

当您看到dtype('O')内部数据帧时，这意味着Pandas字符串。

什么是dtype？

有时候，那属于pandas或numpy，或两者，或其他什么东西？如果我们检查一下pandas代码：df = pd.DataFrame({'float': [1.0],

'int': [1],

'datetime': [pd.Timestamp('20180310')],

'string': ['foo']})

print(df)

print(df['float'].dtype,df['int'].dtype,df['datetime'].dtype,df['string'].dtype)

df['string'].dtype

它将输出如下：float int datetime string

0 1.0 1 2018-03-10 foo

---

float64 int64 datetime64[ns] object

---

dtype('O')

您可以将最后一个解释为Pandas dtype('O')或Pandas对象，这是Python类型字符串，这对应于Numpy string_或unicode_类型。Pandas dtype Python type NumPy type Usage

object str string_, unicode_ Text

像Don Quixote一样，Pandas在Numpy上，Numpy了解你的系统的底层架构并使用该类numpy.dtype。

数据类型对象是一个numpy.dtype类的实例，它更精确地理解数据类型，包括：数据类型（整数，浮点数，Python对象等）

数据的大小（例如整数中的字节数）

数据的字节顺序（little-endian或big-endian）

如果数据类型是结构化的，则是其他数据类型的聚合（例如，描述由整数和浮点数组成的数组项）

结构“字段”的名称是什么

每个字段的数据类型是什么

每个字段占用的内存块的哪一部分

如果数据类型是子数组，那么它的形状和数据类型是什么

在这个问题的上下文dtype属于pands和numpy，特别dtype('O')是我们期望的字符串。

下面是一些用于测试和解释的代码：如果我们将数据集作为字典import pandas as pd

import numpy as np

from pandas import Timestamp

data={'id': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5}, 'date': {0: Timestamp('2018-12-12 00:00:00'), 1: Timestamp('2018-12-12 00:00:00'), 2: Timestamp('2018-12-12 00:00:00'), 3: Timestamp('2018-12-12 00:00:00'), 4: Timestamp('2018-12-12 00:00:00')}, 'role': {0: 'Support', 1: 'Marketing', 2: 'Business Development', 3: 'Sales', 4: 'Engineering'}, 'num': {0: 123, 1: 234, 2: 345, 3: 456, 4: 567}, 'fnum': {0: 3.14, 1: 2.14, 2: -0.14, 3: 41.3, 4: 3.14}}

df = pd.DataFrame.from_dict(data) #now we have a dataframe

print(df)

print(df.dtypes)

最后一行将检查数据帧并记下输出：id date role num fnum

0 1 2018-12-12 Support 123 3.14

1 2 2018-12-12 Marketing 234 2.14

2 3 2018-12-12 Business Development 345 -0.14

3 4 2018-12-12 Sales 456 41.30

4 5 2018-12-12 Engineering 567 3.14

id int64

date datetime64[ns]

role object

num int64

fnum float64

dtype: object

各种不同 dtypesdf.iloc[1,:] = np.nan

df.iloc[2,:] = None

但是如果建立 np.nan or None 这个也不会影响原始列的 dtype. 输出就是下列所示：print(df)

print(df.dtypes)

id date role num fnum

0 1.0 2018-12-12 Support 123.0 3.14

1 NaN NaT NaN NaN NaN

2 NaN NaT None NaN NaN

3 4.0 2018-12-12 Sales 456.0 41.30

4 5.0 2018-12-12 Engineering 567.0 3.14

id float64

date datetime64[ns]

role object

num float64

fnum float64

dtype: object

因此，除非我们将所有列行设置为np.nan或None，否则np.nan或None不会更改列dtype。 在这种情况下，列将分别成为float64或对象。

您也可以尝试设置单行：df.iloc[3,:] = 0 # will convert datetime to object only

df.iloc[4,:] = '' # will convert all columns to object

And to note here, if we set string inside a non string column it will become string or object dtype.