![23e1167ccb32cd9c7be8a4f511dce215.png](https://img-blog.csdnimg.cn/img_convert/23e1167ccb32cd9c7be8a4f511dce215.png)
有时经过预处理的dataframe其数据类型不是我们所需要的,如下图所示
![09af52d651aa8b3f381f99e154b1058a.png](https://img-blog.csdnimg.cn/img_convert/09af52d651aa8b3f381f99e154b1058a.png)
从上图可看出,df里的数据并不是需要的float类型,而是object。通常情况下使用object也没有问题,但如果需要对数据进行数学上的操作时,就会有异常。例如比较df里的最大值:
![4888fb05f0540d7c5e4f96af31734d40.png](https://img-blog.csdnimg.cn/img_convert/4888fb05f0540d7c5e4f96af31734d40.png)
从上面可以看出异常:环比里最大值为99.9,明显是错误的。这时就需要将这些数据从object类型改为float型。
更改类型的方法有如下几种:
1.使用to_numeric()函数
to_numeric()官方定义如下
pandas.to_numeric(arg, errors='raise', downcast=None)
arg:需要更改的单列或Series对象。
errors:遇到无法转换为数字的类型时的处理方式。方式如下:
raise:遇到无法解析的类型,直接报错
coerce:遇到无法解析的类型,将其内容设置为NaN
ignore:遇到无法解析的类型,将其保持原来的内容不变
downcast:默认是float64或int64类型。如果指定了类型,那么数据在转换时,就转换为指定的类型。
integer或signed:dtype里最小的数据类型:np.int8
unsigned:dtype里最小的无符号数据类型:np.uint8
float:最小的float型:np.float32
先举个简单的例子,再回到开始的dataframe df上去。
s是一个Series,其内容如下
![b047a94dbb4ee4ec178837b1e0327972.png](https://img-blog.csdnimg.cn/img_convert/b047a94dbb4ee4ec178837b1e0327972.png)
直接使用to_numeric函数,对errors不进行处理的结果如下。可以看出无法解析‘ok’的内容,直接报错。
![c0bdef4dbaa813d54884f0213c6f9176.png](https://img-blog.csdnimg.cn/img_convert/c0bdef4dbaa813d54884f0213c6f9176.png)
使用errors参数后结果如下
![8357845e5b67df6e7ce6452e7781139c.png](https://img-blog.csdnimg.cn/img_convert/8357845e5b67df6e7ce6452e7781139c.png)
![2d1af2b87e70b69abdeabcaba5014cfd.png](https://img-blog.csdnimg.cn/img_convert/2d1af2b87e70b69abdeabcaba5014cfd.png)
再回到之前df的例子上来。df是一个dataframe,如对其一列进行转换,代码如下。可以看出数据的类型已经发生了变化。
![4f20986518726c32c4ef036ed313f27d.png](https://img-blog.csdnimg.cn/img_convert/4f20986518726c32c4ef036ed313f27d.png)
如果需要对整个df进行处理,可以使用apply函数,如下所示。
![3e0bb30c0d64e758359aa710e1383356.png](https://img-blog.csdnimg.cn/img_convert/3e0bb30c0d64e758359aa710e1383356.png)
2.使用astype()进行强制转换。
通过如下转换,也能将df的内容变为float型。
![b7050d087869da3596a4a801979cf58a.png](https://img-blog.csdnimg.cn/img_convert/b7050d087869da3596a4a801979cf58a.png)
在使用强制转换时需注意防止将数据转换为错误的形式。
如下所示s1有负数-5。通过强制转换为无符号类型时,就会得到错误的值。
![90562e93eb148f9ba6874eaca43b5a53.png](https://img-blog.csdnimg.cn/img_convert/90562e93eb148f9ba6874eaca43b5a53.png)
3.使用infer_objects()函数进行转换。
其使用如下:DataFrame.infer_objects(self)
在version 0.21.0中新引入的特性。尝试自动转换为合适的数据类型。这个功能不是很完善,有时无法转换成功。如对df就未转换成想要的float类型。
![61624280a026578272e00adfe6f90697.png](https://img-blog.csdnimg.cn/img_convert/61624280a026578272e00adfe6f90697.png)
在一些简单的应用场合,可以转换成功
![f70398be86fbadacafa01763fbba315d.png](https://img-blog.csdnimg.cn/img_convert/f70398be86fbadacafa01763fbba315d.png)
综合起来,推荐使用to_numeric(),小心使用astype(),可以尝试使用infer_objects()。
通过以上的学习,你是否已经学会如何对dataframe更改数据类型?
有时经过预处理的dataframe其数据类型不是我们所需要的,如下图所示
![027fbaf323f3073ba8ae18df36de71e2.png](https://img-blog.csdnimg.cn/img_convert/027fbaf323f3073ba8ae18df36de71e2.png)
从上图可看出,df里的数据并不是需要的float类型,而是object。通常情况下使用object也没有问题,但如果需要对数据进行数学上的操作时,就会有异常。例如比较df里的最大值:
![8d2e314fd520aec42890ef3720f10d92.png](https://img-blog.csdnimg.cn/img_convert/8d2e314fd520aec42890ef3720f10d92.png)
从上面可以看出异常:环比里最大值为99.9,明显是错误的。这时就需要将这些数据从object类型改为float型。
更改类型的方法有如下几种:
1.使用to_numeric()函数
to_numeric()官方定义如下
pandas.to_numeric(arg, errors='raise', downcast=None)
arg:需要更改的单列或Series对象。
errors:遇到无法转换为数字的类型时的处理方式。方式如下:
raise:遇到无法解析的类型,直接报错
coerce:遇到无法解析的类型,将其内容设置为NaN
ignore:遇到无法解析的类型,将其保持原来的内容不变
downcast:默认是float64或int64类型。如果指定了类型,那么数据在转换时,就转换为指定的类型。
integer或signed:dtype里最小的数据类型:np.int8
unsigned:dtype里最小的无符号数据类型:np.uint8
float:最小的float型:np.float32
先举个简单的例子,再回到开始的dataframe df上去。
s是一个Series,其内容如下
![5b345ea9f5e30554a12562900dd56e23.png](https://img-blog.csdnimg.cn/img_convert/5b345ea9f5e30554a12562900dd56e23.png)
直接使用to_numeric函数,对errors不进行处理的结果如下。可以看出无法解析'ok'的内容,直接报错。
![6f2377f193f23d7ca0e163e68edab58e.png](https://img-blog.csdnimg.cn/img_convert/6f2377f193f23d7ca0e163e68edab58e.png)
使用errors参数后结果如下
![b2908b0b2a07299d7ecf4ff24d66084e.png](https://img-blog.csdnimg.cn/img_convert/b2908b0b2a07299d7ecf4ff24d66084e.png)
![30a49fed194d442ae93b86960c5f31e7.png](https://img-blog.csdnimg.cn/img_convert/30a49fed194d442ae93b86960c5f31e7.png)
再回到之前df的例子上来。df是一个dataframe,如对其一列进行转换,代码如下。可以看出数据的类型已经发生了变化。
![9349cbe394f930943f8e004cc377dac9.png](https://img-blog.csdnimg.cn/img_convert/9349cbe394f930943f8e004cc377dac9.png)
如果需要对整个df进行处理,可以使用apply函数,如下所示。
![b452f879c9a9c46440e8963b208ae7ab.png](https://img-blog.csdnimg.cn/img_convert/b452f879c9a9c46440e8963b208ae7ab.png)
2.使用astype()进行强制转换。
通过如下转换,也能将df的内容变为float型。
![9d95571a44d18e8dcf560a8200944375.png](https://img-blog.csdnimg.cn/img_convert/9d95571a44d18e8dcf560a8200944375.png)
在使用强制转换时需注意防止将数据转换为错误的形式。
如下所示s1有负数-5。通过强制转换为无符号类型时,就会得到错误的值。
![d75983c48087448ade1ab3624243465d.png](https://img-blog.csdnimg.cn/img_convert/d75983c48087448ade1ab3624243465d.png)
3.使用infer_objects()函数进行转换。
其使用如下:DataFrame.infer_objects(self)
在version 0.21.0中新引入的特性。尝试自动转换为合适的数据类型。这个功能不是很完善,有时无法转换成功。如对df就未转换成想要的float类型。
![ee2d707a842095c3566e549ccf3055e4.png](https://img-blog.csdnimg.cn/img_convert/ee2d707a842095c3566e549ccf3055e4.png)
在一些简单的应用场合,可以转换成功
![8a1c54531c9434f15bc3b655e95c1280.png](https://img-blog.csdnimg.cn/img_convert/8a1c54531c9434f15bc3b655e95c1280.png)
综合起来,推荐使用to_numeric(),小心使用astype(),可以尝试使用infer_objects()。
通过以上的学习,你是否已经学会如何对dataframe更改数据类型?