python修改dataframe数据类型_Pythondataframe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

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：

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

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。

使用errors参数后结果如下

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。

如果需要对整个df进行处理，可以使用apply函数，如下所示。

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。

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。

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。

在一些简单的应用场合，可以转换成功

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？