如何更改 Pandas DataFrame 中的列数据类型？

更改 Pandas 中的列类型

在 pandas 中，有多个用于转换 DataFrame 列类型的选项。具体方法如下：

1. to_numeric()

使用 to_numeric() 将包含非数字值的列转换为数字类型（例如 float 或int)。

语法：

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

示例：

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()

使用 astype() 将列转换为任何所需的数据类型，包括数字和对象

语法：

df.astype(dtype)

示例：

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

3. infer_objects()

在 pandas 0.21.0 中引入，infer_objects() 将对象列转换为更具体的数据类型（例如整数或float)。

语法：

df.infer_objects()

示例：

# 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()

在 pandas 1.0 中引入，convert_dtypes() 将列转换为支持缺失的“最佳”数据类型

语法：

df.convert_dtypes(infer_objects=True/False)

示例：

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

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

这些方法提供了用于更改列的灵活选项pandas DataFrame 中的类型。根据您的具体数据和要求选择最合适的方法。

以上是如何更改 Pandas DataFrame 中的列数据类型？的详细内容。更多信息请关注PHP中文网其他相关文章！