Python更改数据类型——astype()方法和to_numeric()函数
文章目录
- 明确指定数据的类型
-
- 通过dtypes属性进行查看
- 创建Pandas对象指定数据类型
- 转换数据类型
-
- 通过astype()方法强制转换数据的类型
- 通过to_numeric()函数转换数据类型
明确指定数据的类型
通过dtypes属性进行查看
import pandas as pd
df = pd.DataFrame({'A': ['1', '2', '4'],
'B': ['9', '-80', '5.3'],
'C': ['x', '5.9', '0']})
print("df.dtypes:\n", df.dtypes)
print("df:\n", df)
输出结果：
df.dtypes:
A object
B object
C object
dtype: object
df:
A B C
0 1 9 x
1 2 -80 5.9
2 4 5.3 0
创建Pandas对象指定数据类型
data = pd.DataFrame({'A': ['1', '2', '4'],
'B': ['9', '80', '5']},
dtype='int')
print("data:\n", data)
print("data.dtypes:\n", data.dtypes)
输出结果：
data:
A B
0 1 9
1 2 80
2 4 5
data.dtypes:
A int32
B int32
dtype: object
转换数据类型
通过astype()方法强制转换数据的类型
astype(dypte, copy=True, errors = ‘raise’, **kwargs)
上述方法中部分参数表示的含义如下：
dtype：表示数据类型
copy：是否建立副本，默认为True
errors：错误采取的处理方式，可以取值为raise或ignore，默认为raise。其中raise表示允许引发异常，ignore表示抑制异常。
运用astype()方法将DataFrame对象df中B列数据的类型转换为int类型：
print("df['B']:\n", df['B'])
print("df['B'].astype:\n", df['B'].astype(dtype='float'))
df['B']:
0 9
1 -80
2 5.3
Name: B, dtype: object
df['B'].astype:
0 9.0
1 -80.0
2 5.3
Name: B, dtype: float64
之所以没有将所有列进行类型转换是因为C列中有非数字类型的字符，无法将其转换为int类型，若强制转换会出现ValueError异常。（当参数errors取值ignore时可以抑制异常，但抑制异常后输出结果仍是未转换类型之前的对象——也就是并未进行数据类型转换的操作，只是不会报错罢了）
print("df['C']:\n", df['C'])
print("df['C'].astype(errors='ignore'):\n", df['C'].astype(dtype='float', errors='ignore'))
输出结果：
df['C']:
0 x
1 5.9
2 0
Name: C, dtype: object
df['C'].astype(errors='ignore'):
0 x
1 5.9
2 0
Name: C, dtype: object
通过to_numeric()函数转换数据类型
to_numeric()函数不能直接操作DataFrame对象
pandas.to_numeric(arg, errors=‘raise’, downcast=None)
上述函数中常用参数表示的含义如下：
arg：表示要转换的数据，可以是list、tuple、Series
errors：错误采用的处理方式可以取值除raise、ignore外，还可以取值coerce，默认为raise。其中raise表示允许引发异常，ignore表示抑制异常。
to_numeric()函数较之astype()方法的优势在于解决了后者的局限性：只要待转换的数据中存在数字以外的字符，在使用后者进行类型转换时就会出现错误，而to_numeric()函数之所以可以解决这个问题，就源于其errors参数可以取值coerce——当出现非数字字符时，会将其替换为缺失值之后进行数据类型转换。
se = pd.Series(df['A'])
se1 = pd.Series(df['B'])
se2 = pd.Series(df['C'])
print("df['A']:\n", df['A'])
print("to_numeric(df['A']):\n", pd.to_numeric(se))
print("df['B']:\n", df['B'])
print("to_numeric(df['B']):\n", pd.to_numeric(se1))
print("df['C']:\n", df['C'])
print("to_numeric(df['C'], errors='ignore'):\n", pd.to_numeric(se2, errors='ignore'))
print("to_numeric(df['C'], errors='coerce'):\n", pd.to_numeric(se2, errors='coerce'))
输出结果：
df['A']:
0 1
1 2
2 4
Name: A, dtype: object
to_numeric(df['A']):
0 1
1 2
2 4
Name: A, dtype: int64
df['B']:
0 9
1 -80
2 5.3
Name: B, dtype: object
to_numeric(df['B']):
0 9.0
1 -80.0
2 5.3
Name: B, dtype: float64
df['C']:
0 x
1 5.9
2 0
Name: C, dtype: object
to_numeric(df['C'], errors='ignore'):
0 x
1 5.9
2 0
Name: C, dtype: object
to_numeric(df['C'], errors='coerce'):
0 NaN
1 5.9
2 0.0
Name: C, dtype: float64