博客

pandas 强制类型转换 df.astype实例

  • Post category:Python

下面是关于“pandas强制类型转换df.astype实例”的详细攻略：

什么是df.astype()？

df.astype()是 pandas 库中一个用于数据类型转换的函数，可以将 pandas 的数据类型转换为其他类型，如将 object 类型转换为 float 类型。

df.astype()的语法

df.astype(dtype, copy=True, errors='raise')

其中：

  • dtype：指定转换后的目标数据类型，可以是字符串（如 'float'）或 numpy 的数据类型（如 np.int64）。
  • copy：默认为 True，返回转换后的数据副本（即原始数据不变），如果为 False，则返回原始数据的视图。
  • errors：默认为 'raise'，抛出异常，表示如果有转换错误则引发异常，其他可选项包括 'ignore' 和 'coerce'。

df.astype()的使用注意事项

  1. 当使用 df.astype() 时，有可能会出现无法转换的数据类型，此时可以使用 errors 参数选择忽略错误或强制转换。但是，如果忽略错误，转换后的结果可能并不完全正确。
  2. 在处理字符串类型数据时，需要注意数据的格式，如果数据格式不一致，可能导致转换失败或结果不正确。

df.astype()的示例

示例一

下面是将 df 中的字符串类型转换为浮点类型的例子：

import pandas as pd

data = {'name': ['Tom', 'Jerry', 'Mike'],
        'score': ['90.5', '80', '68.7']}
df = pd.DataFrame(data)

df['score'] = df['score'].astype(float)
print(df.dtypes)

输出：

name      object
score    float64
dtype: object

这里将原始数据中的 'score' 列的字符串类型转换为了浮点类型。

示例二

下面是忽略转换错误的例子，假设原始数据中有一个无法转换为数字的字符串：

import pandas as pd

data = {'name': ['Tom', 'Jerry', 'Mike', 'John'],
        'score': ['90.5', '80', 'abc', '68.7']}
df = pd.DataFrame(data)

df['score'] = pd.to_numeric(df['score'], errors='coerce')
print(df)

输出：

    name  score
0    Tom   90.5
1  Jerry   80.0
2   Mike    NaN
3   John   68.7

这里使用了 pd.to_numeric() 函数将字符串类型的 'score' 列转换为数字类型，但是由于数据中包含无法转换为数字的字符串 'abc'，因此将其转换为了 NaN（空值）。

注意，这里使用了 errors='coerce'，表示将无法转换的字符串类型数据转换为 NaN，而不是抛出异常。

Tags: