Comment convertir dynamiquement les types de colonnes dans les Pandas DataFrames ?

Convertir les types de colonnes dans Pandas

Dans votre exemple, vous pouvez convertir les colonnes 2 et 3 en flottants lors de la création du DataFrame. Pandas propose plusieurs méthodes pour convertir dynamiquement les types de colonnes. Voici les approches :

Utilisation de to_numeric() :

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

Utilisation de astype() :

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

Les deux méthodes permettent de spécifier le type de données comme argument et d'ignorer les valeurs non valides (option de contrainte).

Utilisation de infer_objects() :

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

Cette méthode tente de déduire le type de données correct (par exemple, des entiers à int64) en fonction de la colonne valeurs.

Utilisation convert_dtypes() :

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

Cette méthode permet de spécifier explicitement les types de données souhaités pour chaque colonne.

En choisissant la méthode appropriée et en spécifiant dynamiquement les noms de colonnes, vous pouvez convertissez les types de colonnes dans votre DataFrame selon vos besoins.

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!