Wie konvertiere ich Spaltentypen dynamisch in Pandas DataFrames?

Spaltentypen in Pandas konvertieren

In Ihrem Beispiel können Sie die Spalten 2 und 3 während der DataFrame-Erstellung in Floats konvertieren. Pandas bietet mehrere Methoden zum dynamischen Konvertieren von Spaltentypen. Hier sind die Ansätze:

Verwenden von to_numeric():

df[['Col2', 'Col3']] = df[['Col2', 'Col3']].apply(pd.to_numeric, errors='coerce')

Verwenden von astype():

df[['Col2', 'Col3']] = df[['Col2', 'Col3']].astype(float)

Beide Methoden ermöglichen die Angabe des Datentyps als Argument und ignorieren ungültige Werte (Option erzwingen).

Verwendung von infer_objects():

df[['Col2', 'Col3']] = df[['Col2', 'Col3']].infer_objects()

Diese Methode versucht, den richtigen Datentyp (z. B. Ganzzahlen zu int64) basierend auf der Spalte abzuleiten Werte.

Verwenden konvertieren_dtypes():

convert_dtypes = {'Col2': float, 'Col3': float}
df = df.convert_dtypes(convert_dtypes)

Diese Methode ermöglicht die explizite Angabe der gewünschten Datentypen für jede Spalte.

Durch Auswahl der entsprechenden Methode und dynamische Angabe der Spaltennamen können Sie dies tun Konvertieren Sie Spaltentypen in Ihrem DataFrame nach Bedarf.

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