在 pandas 中有四個(gè)主要選項(xiàng)來轉(zhuǎn)換類型：

1. to_numeric() - 提供功能以安全地將非數(shù)值類型（例如字符串）轉(zhuǎn)換為合適的數(shù)值類型。（另見 to_datetime() 和 to_timedelta()。）
2. astype() - （幾乎）任何類型轉(zhuǎn)換為（幾乎）任何其他類型（即使這樣做不一定合理）。還允許你將類型轉(zhuǎn)換為分類類型（非常有用）。
3. infer_objects() - 一個(gè)實(shí)用方法，如果可能的話，將包含 Python 對象的列轉(zhuǎn)換為 pandas 類型。
4. convert_dtypes() - DataFrame 列轉(zhuǎn)換為支持 pd.NA（pandas 的對象，用于表示缺失值）的“最佳可能”數(shù)據(jù)類型。

1.to_numeric()

將非數(shù)值對象（如字符串）轉(zhuǎn)換為整數(shù)或浮點(diǎn)數(shù)的最好方法是使用 pandas 中的 to_numeric() 函數(shù)。

這個(gè)函數(shù)會嘗試將非數(shù)值對象（如字符串）轉(zhuǎn)換為適當(dāng)?shù)恼麛?shù)或浮點(diǎn)數(shù)。

基本用法

to_numeric() 的輸入可以是一個(gè) Series 或者一個(gè) DataFrame 的單列。

s = pd.Series(["8", "6", "7.5", "3", "0.9"])  # 合字符串和數(shù)值
s = pd.to_numeric(s)  # 轉(zhuǎn)換為浮點(diǎn)值

可以看到，返回了一個(gè)新的 Series。你可以將其賦值給一個(gè)變量或列名以便繼續(xù)使用：

my_series = pd.to_numeric(my_series)

你也可以使用 apply() 方法來轉(zhuǎn)換 DataFrame 的多列：

df = df.apply(pd.to_numeric)  # 轉(zhuǎn)換 `DataFrame` 的所有列

或者只轉(zhuǎn)換特定的列：

df[["a", "b"]] = df[["a", "b"]].apply(pd.to_numeric)

只要你的值都可以被轉(zhuǎn)換，這可能就是你需要的所有操作。

錯(cuò)誤處理

但如果有些值無法轉(zhuǎn)換為數(shù)值類型怎么辦？

to_numeric() 接受一個(gè) errors 關(guān)鍵字參數(shù)，允許你強(qiáng)制非數(shù)值值為 NaN，或者簡單地忽略包含這些值的列。

以下是一個(gè)使用字符串 Series 的示例，該 Series 有對象數(shù)據(jù)類型：

s = pd.Series(['1', '2', '4.7', 'pandas', '10'])

默認(rèn)行為是在無法轉(zhuǎn)換值時(shí)引發(fā)異常。在這種情況下，它無法處理字符串 ‘pandas’：

pd.to_numeric(s, errors='raise')

ValueError: Unable to parse string

與其失敗，我們可能希望 ‘pandas’ 被視為缺失或無效的數(shù)值，并將其轉(zhuǎn)換為 NaN，如下所示：

pd.to_numeric(s, errors='coerce')

第三個(gè)選項(xiàng)是，如果遇到無效值，則忽略操作：

pd.to_numeric(s, errors='ignore')

原始 Series 將保持不變。

最后一個(gè)選項(xiàng)特別適用于轉(zhuǎn)換整個(gè) DataFrame，但不知道哪些列可以可靠地轉(zhuǎn)換為數(shù)值類型。

在這種情況下，只需寫：

df.apply(pd.to_numeric, errors='ignore')

該函數(shù)將應(yīng)用于 DataFrame 的每一列。可以轉(zhuǎn)換為數(shù)值類型的列將被轉(zhuǎn)換，而不能轉(zhuǎn)換的列（例如，它們包含非數(shù)字字符串或日期）將保持不變。

下采樣 (Downcasting)

默認(rèn)情況下，使用 to_numeric() 換時(shí)，你會得到 int64 或 float64 數(shù)據(jù)類型（或者平臺原生的任何整數(shù)寬度）。

這通常是你要的結(jié)果，但如果你想要節(jié)省內(nèi)存并使用更緊湊的數(shù)據(jù)類型，比如 float32 或 int8 么辦？

to_numeric() 給你選擇下采樣的選項(xiàng)，可以轉(zhuǎn)換為 'integer'、'signed'、'unsigned' 或 'float'。以下是一個(gè)簡單的整數(shù)類型 Series 示例：

s = pd.Series([1, 2, -7])

下采樣到 'integer' 使用可以容納值的最小可能整數(shù)：

pd.to_numeric(s, downcast='integer')

下采樣到 'float' 同樣選擇比正常浮點(diǎn)類型更小的類型：

pd.to_numeric(s, downcast='float')

結(jié)果將是 float32。

2.astype()

astype() 方法允許你明確指定 DataFrame 或 Series 的數(shù)據(jù)類型。它非常靈活，可以嘗試從一種類型轉(zhuǎn)換為另一種類型。

基本用法

只需選擇一個(gè)類型：你可以使用 NumPy 數(shù)據(jù)類型（例如 np.int16）、一些 Python 類型（例如 bool），或者 pandas 特定的類型（如分類數(shù)據(jù)類型）。

在你想轉(zhuǎn)換的對象上調(diào)用該方法，astype() 將嘗試并為你進(jìn)行轉(zhuǎn)換：

# 將所有 DataFrame 列轉(zhuǎn)換為 int64 類型
df = df.astype(int)

# 列 "a" 轉(zhuǎn)換為 int64 類型，將列 "b" 轉(zhuǎn)換為復(fù)數(shù)類型
df = df.astype({"a": int, "b": complex})

# 將 Series 轉(zhuǎn)換為 float16 類型
s = s.astype(np.float16)

# 將 Series 轉(zhuǎn)換為 Python 字符串
s = s.astype(str)

# 將 Series 轉(zhuǎn)換為分類類型 - 請參閱文檔以獲取更多詳細(xì)信息
s = s.astype('category')

請注意我說的是“嘗試”——如果 astype() 不知道如何轉(zhuǎn)換 Series 或 DataFrame 中的值，它將引發(fā)錯(cuò)誤。

例如，如果你有一個(gè) NaN 或 inf ，嘗試將其轉(zhuǎn)換為整數(shù)時(shí)會得到錯(cuò)誤。

從 pandas 0.20.0 開始，可以通過傳遞 errors='ignore' 來抑制此錯(cuò)誤。你的原始對象將保持不變。

注意事項(xiàng)

astype() 是強(qiáng)大的，但它有時(shí)會“錯(cuò)誤地”轉(zhuǎn)換值。例如：

>>> s = pd.Series([1, 2, -7])
>>> s
0    1
1    2
2   -7
dtype: int64

這些是小整數(shù)，那么將其轉(zhuǎn)換為無符號 8 位類型以節(jié)省內(nèi)存如何？

>>> s.astype(np.uint8)
0     1
1     2
2    249
dtype: uint8

轉(zhuǎn)換成功了，但 -7 繞了一圈變成了 249（即 (2^8 - 7)）！

嘗試使用 pd.to_numeric(s, downcast='unsigned') 行下采樣可能會避免這個(gè)錯(cuò)誤。

3.infer_objects()

pandas 版本 0.21.0 引入了 infer_objects() 方法，用于將 DataFrame 中具有對象數(shù)據(jù)類型的列轉(zhuǎn)換為更具體的數(shù)據(jù)類型（軟轉(zhuǎn)換）。

例如，這里有一個(gè) DataFrame，包含兩列對象類型。一列持有實(shí)際的整數(shù)，另一列持有表示整數(shù)的字符串：

>>> df = pd.DataFrame({'a': [7, 1, 5], 'b': ['3', '2', '1']}, dtype='object')
>>> df.dtypes
a    object
b    object
dtype: object

使用 infer_objects()，你可以將列 ‘a’ 的類型更改為 int64：

>>> df = df.infer_objects()
>>> df.dtypes
a    int64
b    object
dtype: object

列 ‘b’ 保持不變，因?yàn)槠渲凳亲址皇钦麛?shù)。如果你想強(qiáng)制將兩列都轉(zhuǎn)換為整數(shù)類型，可以使用 df.astype(int)。

4.convert_dtypes()

版本 1.0 及以上包括一個(gè)方法 convert_dtypes()，用于將 Series 和 DataFrame 列轉(zhuǎn)換為支持 pd.NA 缺失值的最佳可能數(shù)據(jù)類型。

這里的“最佳可能”是指最適合存儲這些值的數(shù)據(jù)類型。例如，如果所有值都是整數(shù)（或缺失值），則會轉(zhuǎn)換為 pandas 整數(shù)類型；如果 Python 整數(shù)對象的列被轉(zhuǎn)換為 Int64，NumPy int32 值的列將變?yōu)?pandas 數(shù)據(jù)類型 Int32。

對于我們的對象 DataFrame df，我們得到以下結(jié)果：

>>> df.convert_dtypes().dtypes
a    Int64
b    string
dtype: object

由于列 ‘a’ 包含整數(shù)值，因此被轉(zhuǎn)換為 Int64 類型（能夠存儲缺失值，與 int64 不同）。

列 ‘b’ 包含字符串對象，因此被轉(zhuǎn)換為 pandas string 類型。

默認(rèn)情況下，此方法會從每列的對象值推斷類型。我們可以通過傳遞 infer_objects=False 來更改這一點(diǎn)：

>>> df.convert_dtypes(infer_objects=False).dtypes
a    object
b    string
dtype: object

現(xiàn)在列 ‘a’ 仍然是一個(gè)對象列：pandas 知道它可以被描述為一個(gè)整數(shù)列（內(nèi)部運(yùn)行了 infer_dtype），但沒有推斷出它應(yīng)該具有的確切數(shù)據(jù)類型，因此沒有轉(zhuǎn)換它。列 ‘b’ 再次被轉(zhuǎn)換為 string 類型，因?yàn)樗蛔R別為持有字符串值。

總結(jié)

以上為個(gè)人經(jīng)驗(yàn)，希望能給大家一個(gè)參考，也希望大家多多支持腳本之家。

最新評論