Python每日一记25>>>pandas数据类型dtype

***ACM刚刚公布2018年图灵奖获得者，深度学习三巨头：Yoshua Bengio、Geoffrey Hinton、Yann LeCun获奖，深度学习获得了最高荣誉。三巨头获奖的背后，是一段经历了寒冬的艰辛之路。

最后，送上本次获图灵奖的三位大神的主要技术成就，这些成就对其后的深度学习研究产生了巨大的影响，值得后人铭记。
Geoffrey Hinton
反向传播：
1986年，Hinton与David Rumelhart和Ronald Williams共同撰写了“Learning Internal Representations by Error Propagation”论文，Hinton等人在文中证明了反向传播算法可以让神经网络发现自身的数据内部表示，这一发现让神经网络有可能解决以前被认为不可解决的问题。反向传播算法已经成为如今大多数神经网络的标准。
玻尔兹曼机：
1983年，Hinton与Terrence Sejnowski一起共同发明了玻尔兹曼机，这是第一个能够学习不属于输入或输出的神经元内部表示的神经网络之一。
对卷积神经网络的改进：
2012年，Hinton与他的学生Alex Krizhevsky和Ilya Sutskever一起使用整流线性神经元和退出正则化改进了卷积神经网络。在著名的ImageNet图像识别大赛中，Hinton和他的学生几乎将对象识别的错误率降低了一半，可以说重塑了计算机视觉领域。

Yoshua Bengio
序列的概率模型：
20世纪90年代，Bengio将神经网络与序列的概率模型（如隐马尔可夫模型）结合起来。这些思想被纳入AT＆T / NCR用于读取手写支票的系统中，成为20世纪90年代神经网络研究的巅峰之作，目前的深度学习语音识别系统正是这些概念的扩展。
高维词汇嵌入和注意力机制：
2000年，Bengio撰写了具有里程碑意义的论文“A Neural Probabilistic Language Model”，此文引入了高维词嵌入作为词义表示。Bengio的这个思想对日后的自然语言处理任务产生了巨大而深远的影响，其中包括语言翻译、问答和视觉问答系统开发等。Bengio的团队还引入了“注意力机制”，导致了机器翻译研究的突破，并成为深度学习的顺序处理的关键组成部分。
生成对抗网络（GAN）：
自2010年以来，Bengio与Ian Goodfellow共同开发的生成对抗网络（GAN）引发了一场计算机视觉和计算机图形学的革命。GAN的一个引人注目应用是，计算机实际上能够生成原始图像，这种创造力往往被认为是机器具备人类智能的标志。

Yann LeCun
卷积神经网络：
20世纪80年代，LeCun开发了卷积神经网络，成为神经网络领域的基本模型。在20世纪80年代后期，LeCun在多伦多大学和贝尔实验室工作期间，首次在手写数字图像上成功了训练卷积神经网络系统。如今，卷积神经网络是计算机视觉、语音识别，语音合成、图像合成和自然语言处理领域的行业标准。已被用于自动驾驶、医学成像分析、语音助手和信息过滤等多个领域。
对反向传播算法的改进：
LeCun提出了反向传播算法的早期版本（backprop），并根据变分原理对其进行了简洁的推导。他表述了缩短学习时间的两种简单方法，从而加快了反向传播算法的速度。
拓宽神经网络的研究领域：
LeCun还拓宽了神经网络的研究领域，将神经网络作为一种计算模型应用于更广泛的任务上。他在早期研究中引入的许多思想和理念，现在已成为AI领域的基础概念。例如，在图片识别领域，他研究了如何让神经网络学习层次特征，这一方法现在已经用于很多日常的识别任务。他们还提出了可以操作结构数据（例如图数据）的深度学习架构。
https://mp.weixin.qq.com/s/VEj1a5_hF9SeYb9YU0MAIQ

今天介绍pandas数据读取过程中我自己遇到的问题
在读取excel数据的时候，数据类型发生变化，本来会员卡号028****，但是读取后数据类型变成了28***，而且是科学计数法，本来的文本型数据变成了数值型数据，然后处理完数据再保存为excel后，也是保存的科学计数法类型，那我们怎么在读取数据时保存原有的数据类型呢？


dtype变量，接受一个字典，键为列名，值为数据类型，其中object对应的是python的字符串类型，如下图，是数据类型的对比图：

如果我们需要指定更多的列的数据类型，继续加键值对就行了，如果全部为什么类型，不使用字典即可。
如果我们要查看数据类型，直接dataframe.dtypes即可，如果要某列的数据类型，dataframe[ ‘会员卡号’].dtypes即可。

强制转换一列数据类型可以用下面的方法