快捷導航

python數(shù)據(jù)處理之Pandas類型轉(zhuǎn)換的實現(xiàn)

更新時間：2022年04月28日 08:34:50 作者：B.Bz

本文主要介紹了python數(shù)據(jù)處理之Pandas類型轉(zhuǎn)換的實現(xiàn)，文中通過示例代碼介紹的非常詳細，具有一定的參考價值，感興趣的小伙伴們可以參考一下

轉(zhuǎn)換為字符串類型

tips['sex_str'] = tips['sex'].astype(str)

在這里插入圖片描述

轉(zhuǎn)換為數(shù)值類型

在這里插入圖片描述

轉(zhuǎn)為數(shù)值類型還可以使用to_numeric()函數(shù)

DataFrame每一列的數(shù)據(jù)類型必須相同，當有些數(shù)據(jù)中有缺失，但不是NaN時（如missing,null等），會使整列數(shù)據(jù)變成字符串類型而不是數(shù)值型，這個時候可以使用to_numeric處理

#創(chuàng)造包含'missing'為缺失值的數(shù)據(jù)
tips_sub_miss = tips.head(10)
tips_sub_miss.loc[[1,3,5,7],'total_bill'] = 'missing'
tips_sub_miss

在這里插入圖片描述

自動轉(zhuǎn)換為了字符串類型:

在這里插入圖片描述

使用astype轉(zhuǎn)換報錯：

tips_sub_miss['total_bill'].astype(float)

在這里插入圖片描述

使用to_numeric()函數(shù)：

直接使用to_numeric()函數(shù)還是會報錯，添加errors參數(shù)

errors可變參數(shù)：

ignore 遇到錯誤跳過（只是跳過沒轉(zhuǎn)類型）
coerce 遇到不能轉(zhuǎn)的值強轉(zhuǎn)為NaN

pd.to_numeric(tips_sub_miss['total_bill'],errors='ignore')

在這里插入圖片描述

pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce')

在這里插入圖片描述

to_numeric向下轉(zhuǎn)型:

downcast參數(shù)

integer 和 signed最小的有符號int dtype
float 最小的float dtype
unsigned 最小的無符號int dtype

downcast參數(shù)設(shè)置為float之后, total_bill的數(shù)據(jù)類型由float64變?yōu)閒loat32

pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce',downcast='float')

在這里插入圖片描述

分類數(shù)據(jù)（Category）

利用pd.Categorical()創(chuàng)建categorical數(shù)據(jù)，Categorical()常用三個參數(shù)

參1 values，如果values中的值，不在categories參數(shù)中，會被NaN代替
參2 categories，指定可能存在的類別數(shù)據(jù)
參3 ordered, 是否指定順序

s = pd.Series(pd.Categorical(["a","b","c","d"],categories=['c','b','a']))

在這里插入圖片描述

分類數(shù)據(jù)排序會自動根據(jù)分類排序：

在這里插入圖片描述

ordered指定順序：

在這里插入圖片描述

from pandas.api.types import CategoricalDtype
# 創(chuàng)建一個分類  ordered  指定順序
cat = CategoricalDtype(categories=['B','D','A','C'],ordered=True)
# 指定series_cat1轉(zhuǎn)換類型為創(chuàng)建的分類類型
series_cat1 = series_cat.astype(cat)
print(series_cat.sort_values())
print(series_cat1.sort_values())

在這里插入圖片描述

數(shù)據(jù)類型小結(jié)

知識點	內(nèi)容
Numpy的特點	1. Numpy是一個高效科學計算庫，Pandas的數(shù)據(jù)計算功能是對Numpy的封裝 2. ndarray是Numpy的基本數(shù)據(jù)結(jié)構(gòu)，Pandas的Series和DataFrame好多函數(shù)和屬性都與ndarray一樣 3. Numpy的計算效率比原生Python效率高很多，并且支持并行計算
Pandas數(shù)據(jù)類型轉(zhuǎn)換	1. Pandas除了數(shù)值型的int 和 float類型外，還有object ，category，bool，datetime類型 2. 可以通過as_type 和 to_numeric 函數(shù)進行數(shù)據(jù)類型轉(zhuǎn)換
Pandas 分類數(shù)據(jù)類型	1. category類型，可以用來進行排序，并且可以自定義排序順序 2. CategoricalDtype可以用來定義順序

到此這篇關(guān)于python數(shù)據(jù)處理之Pandas類型轉(zhuǎn)換的實現(xiàn)的文章就介紹到這了,更多相關(guān)-Pandas類型轉(zhuǎn)換內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: