赞
踩
参考资料:活用pandas库
本例使用seaborn中的tip数据集来进行讲解。调用DataFrame的dtypes属性获取每列的数据类型。
- import pandas as pd
-
- # 读取数据集
- tips=pd.read_csv(r"...\seaborn常用数据案例\tips.csv")
- # 展示数据类型
- print(tips.dtypes)
int64表示不带小数点的数值数据;后面的64表示保存数据所用的位数;
float64表示带小数点的数值数据;
category表示分类数据;
object表示字符串。
1、类型转换
(1)使用astype方法,可以向astype方法提供任何内置类型或numpy类型来转换dtype。
- # 将total_bill转换为字符串类型
- tips['total_bill']=tips['total_bill'].astype(str)
- # 展示结果
- tips.dtypes
- # 将total_bill重新转换为float类型
- tips['total_bill']=tips['total_bill'].astype(float)
- # 展示结果
- tips.dtypes
(2)如果想把变量转换为数值类型(例如int或float),还可以使用pandas的to_numeric函数。
to_numeric函数有一个参数errors,它决定了当该函数遇到无法转换为数值的数据时该如何处理。
默认情况下,该参数值为raise,即如果to_numeric遇到无法转换的数据时会提示报错。
当取值为coerce,表示当遇到无法转换的数据时,会返回NaN。
当取值为ignore,表示当遇到无法转换的数据时,会放弃数值转换,直接返回原始数据列。
- # 获取tips数据子集
- tips_sub_miss=tips.head(10)
- # 对数据集添加缺失值
- tips_sub_miss.loc[[1,3,5,7],"total_bill"]='miss'
- # 展示数据
- print(tips_sub_miss)
- # 展示数据类型
- print(tips_sub_miss.dtypes)
- # 使用to_numeric函数对total_bill进行数据转换
- tips_sub_miss['total_bill']=pd.to_numeric(
- tips_sub_miss['total_bill'],errors='coerce')
- # 展示数据
- print(tips_sub_miss)
- # 展示数据类型
- print(tips_sub_miss.dtypes)
to_numeric函数还有一个downcast参数,它允许把列(或向量)转换为数值向量后,把数值类型更改为最小的数值类型。默认情况下,downcast的值为None,其他可以设置的值有“integer”、“signed”、“unsigned”、“float”。
- # 将downcast参数设置为float
- tips_sub_miss['total_bill']=pd.to_numeric(
- tips_sub_miss['total_bill'],
- errors='coerce',
- downcast='float')
- # 展示数据类型
- print(tips_sub_miss.dtypes)
2、分类数据
pands中有一种category dtype,用于对分类值进行编码。分类数据的优点如下:
(1)采用这种方式存储数据能显著节约内存,提高速度,尤其是当数据集中包含许多重复字符串时。
(2)当一列值存在一定的顺序(比如李克特量表)时,应转换为分类数据。
(3)有些python库可以处理分类数据(比如拟合统计模型)。
调用astype方法时,只要把category传递给它,就能把一列的数据类型转换为category类型。如下:
- # 把sex列的数据类型转换为category
- tips['sex']=tips['sex'].astype('category')
- # 展示数据类型
- print(tips.info())
对于分类数据,可以进行如下操作:
Copyright © 2003-2013 www.wpsshop.cn 版权所有,并保留所有权利。