数据处理之Pandas中数据类型转换

Pandas中进行数据类型转换有二种基本方法：

• 使用astype()函数进行强制类型转换
• 使用Pandas提供的函数如to_numeric()、to_datetime()

举例数据

import numpy as np
import pandas as pd
 
data = pd.read_csv('data.csv', encoding='gbk') #因为数据中含有中文数据
data

1.使用astype()函数进行强制类型转换

data['客户编号'].astype('object')
data['客户编号'] = data['客户编号'].astype('object')

输出结果：

但从上面这个例子来看，astype（）函数还是不错的，但是下面的例子就有点差强人意了。

data['2017'].astype('float')

输出结果：

data['所属组'].astype('int')

输出结果：

data['状态'].astype('bool')

输出结果：

乍一看，结果看起来不错，但仔细观察后，会发现一个大问题。那就是所有的值都被替换为True了，但是该列中包含好几个N标志，所以astype()函数在该列也是失效的。

总结一下astype()函数有效的情形：

1. 数据列中的每一个单位都能简单的解释为数字(2, 2.12等）
2. 数据列中的每一个单位都是数值类型且向字符串object类型转换

2.利用Pandas的一些辅助函数进行类型转换

Pandas的astype()函数和复杂的自定函数之间有一个中间段，那就是Pandas的一些辅助函数。这些辅助函数对于某些特定数据类型的转换非常有用(如to_numeric()、to_datetime())。所属组数据列中包含一个非数值，用astype()转换出现了错误，然而用to_numeric()函数处理就好很多。

pd.to_numeric(data['所属组'], errors='coerce').fillna(0)

输出结果：

可以看到，非数值被替换成0.0了。
参数解释：

（
	arg    ：（标量，列表，元组，一维数组或系列）	要转换的参数。
	errors ：{‘ignore’, ‘raise’, ‘coerce’}, 默认为“raise”
		如果为“ raise”，则无效的解析将引发异常。
		如果为“coerce”，则将无效解析设置为NaN。
		如果为“ ignore”，则无效的解析将返回输入。
	downcast {'integer'，'signed'，'unsigned'，'float'}，默认值 None，如果不是None；
	并且数据已成功转换为数字dtype（或者数据是从数字开始的），则根据以下规则将结果数据转换为可能的最小数字dtype：
		'integer'或'signed'：最小的有符号int dtype（最小值：np.int8）
		'unsigned'         ：最小的无符号int dtype（最小值：np.uint8）
		'float'            ：最小的float dtype（最小值：np.float32）

Pandas中的to_datetime()函数可以把单独的year、month、day三列合并成一个单独的时间戳。

pd.to_datetime(data[['day', 'month', 'year']])

完成数据列的替换：

data['new_date'] = pd.to_datetime(data[['day', 'month', 'year']]) #新产生的一列数据
data['所属组'] = pd.to_numeric(data['所属组'], errors='coerce').fillna(0)