pandas 将某一列转换为字符类型_6个提升效率的pandas小技巧

 文章来源：towardsdatascience 作者：B.Chen 翻译\编辑：Python大数据分析

pandas是python中常用的数据分析库，出现频率非常高，而且pandas功能之多让人咋舌，即使pandas老手也没法保证能高效使用pandas做数据分析。

这篇文章目的梳理几个高效实用的pandas小技巧，供大家参考。

1. 从剪切板中创建DataFrame

pandas中的read_clipboard()方法非常神奇，可以把剪切板中的数据变成dataframe格式，也就是说直接在excel中复制表格，可以快速转化为dataframe。

以下面这个excel数据表为例，全部选中，按ctrl+c复制：

然后在python中执行pd.read_clipboard()，就能得到一模一样的dataframe数据表：

pd.read_clipboard()

这功能对经常在excel和python中切换的分析师来说简直是福音，excel中的数据能一键转化为pandas可读格式。

2.  通过数据类型选择columns

数据分析过程可能会需要筛选数据列，比如只需要数值列，以经典的泰坦尼克数据集为例：

import seaborn as sns
# 导出泰坦尼克数据集
df = sns.load_dataset('titanic')
df.head()

查看该数据集各列的数据类型：

df.dtypes

可以看到各列的数据类型不太一样，有int、object、float、bool等。

如果说我只要需要数值列，也就是数据类型为int、float的列，可以通过select_dtypes方法实现：

df.select_dtypes(include='number').head()

选择除数据类型为int外其他的列，注意这里的参数是exclude：</