Wie kann ich Spaltendatentypen in Pandas DataFrames ändern?

Spaltentypen in Pandas ändern

In Pandas gibt es mehrere Optionen zum Konvertieren von DataFrame-Spaltentypen. So geht's:

1. to_numeric()

Verwenden Sie to_numeric(), um Spalten mit nicht numerischen Werten in numerische Typen (z. B. float oder) zu konvertieren int).

Syntax:

pd.to_numeric(series_or_column, errors='coerce'/'ignore')

Beispiel:

df = pd.DataFrame([[1.2, 4.2], ['70', 0.03]])

df.columns = ['column_1', 'column_2']

# Convert 'column_2' to float
df['column_2'] = pd.to_numeric(df['column_2'], errors='coerce')

2. astype()

Verwenden Sie astype(), um Spalten in jeden gewünschten dtype zu konvertieren, einschließlich numerisch und Objekt Typen.

Syntax:

df.astype(dtype)

Beispiel:

df['column_1'] = df['column_1'].astype(int)
df['column_2'] = df['column_2'].astype(float)

3. infer_objects()

Infer_objects() wurde in Pandas 0.21.0 eingeführt und konvertiert Objektspalten in spezifischere D-Typen (z. B. Ganzzahl oder). float).

Syntax:

df.infer_objects()

Beispiel:

# Create an object DataFrame
df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']}, dtype='object')

# Convert 'col1' to int
df['col1'] = df['col1'].infer_objects()

4. convert_dtypes()

Convert_dtypes() wurde in Pandas 1.0 eingeführt und konvertiert Spalten in den „besten“ dtype, der das Fehlen unterstützt Werte.

Syntax:

df.convert_dtypes(infer_objects=True/False)

Beispiel:

# Convert object columns based on inferred types
df.convert_dtypes()

# Only convert object columns with explicit dtype information
df.convert_dtypes(infer_objects=False)

Diese Methoden bieten flexible Optionen zum Ändern der Spalte Typen in Pandas DataFrames. Wählen Sie die am besten geeignete Methode basierend auf Ihren spezifischen Daten und Anforderungen.

Das obige ist der detaillierte Inhalt vonWie kann ich Spaltendatentypen in Pandas DataFrames ändern?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!