快捷導(dǎo)航

python數(shù)據(jù)處理之Pandas類(lèi)型轉(zhuǎn)換的實(shí)現(xiàn)

更新時(shí)間：2022年04月28日 08:34:50 作者：B.Bz

本文主要介紹了python數(shù)據(jù)處理之Pandas類(lèi)型轉(zhuǎn)換的實(shí)現(xiàn)，文中通過(guò)示例代碼介紹的非常詳細(xì)，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下

轉(zhuǎn)換為字符串類(lèi)型

tips['sex_str'] = tips['sex'].astype(str)

在這里插入圖片描述

轉(zhuǎn)換為數(shù)值類(lèi)型

在這里插入圖片描述

轉(zhuǎn)為數(shù)值類(lèi)型還可以使用to_numeric()函數(shù)

DataFrame每一列的數(shù)據(jù)類(lèi)型必須相同，當(dāng)有些數(shù)據(jù)中有缺失，但不是NaN時(shí)（如missing,null等），會(huì)使整列數(shù)據(jù)變成字符串類(lèi)型而不是數(shù)值型，這個(gè)時(shí)候可以使用to_numeric處理

#創(chuàng)造包含'missing'為缺失值的數(shù)據(jù)
tips_sub_miss = tips.head(10)
tips_sub_miss.loc[[1,3,5,7],'total_bill'] = 'missing'
tips_sub_miss

在這里插入圖片描述

自動(dòng)轉(zhuǎn)換為了字符串類(lèi)型:

在這里插入圖片描述

使用astype轉(zhuǎn)換報(bào)錯(cuò)：

tips_sub_miss['total_bill'].astype(float)

在這里插入圖片描述

使用to_numeric()函數(shù)：

直接使用to_numeric()函數(shù)還是會(huì)報(bào)錯(cuò)，添加errors參數(shù)

errors可變參數(shù)：

ignore 遇到錯(cuò)誤跳過(guò) （只是跳過(guò)沒(méi)轉(zhuǎn)類(lèi)型）
coerce 遇到不能轉(zhuǎn)的值強(qiáng)轉(zhuǎn)為NaN

pd.to_numeric(tips_sub_miss['total_bill'],errors='ignore')

在這里插入圖片描述

pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce')

在這里插入圖片描述

to_numeric向下轉(zhuǎn)型:

downcast參數(shù)

integer 和 signed最小的有符號(hào)int dtype
float 最小的float dtype
unsigned 最小的無(wú)符號(hào)int dtype

downcast參數(shù)設(shè)置為float之后, total_bill的數(shù)據(jù)類(lèi)型由float64變?yōu)閒loat32

pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce',downcast='float')

在這里插入圖片描述

分類(lèi)數(shù)據(jù)（Category）

利用pd.Categorical()創(chuàng)建categorical數(shù)據(jù)，Categorical()常用三個(gè)參數(shù)

參1 values，如果values中的值，不在categories參數(shù)中，會(huì)被NaN代替
參2 categories，指定可能存在的類(lèi)別數(shù)據(jù)
參3 ordered, 是否指定順序

s = pd.Series(pd.Categorical(["a","b","c","d"],categories=['c','b','a']))

在這里插入圖片描述

分類(lèi)數(shù)據(jù)排序會(huì)自動(dòng)根據(jù)分類(lèi)排序：

在這里插入圖片描述

ordered指定順序：

在這里插入圖片描述

from pandas.api.types import CategoricalDtype
# 創(chuàng)建一個(gè)分類(lèi)  ordered  指定順序
cat = CategoricalDtype(categories=['B','D','A','C'],ordered=True)
# 指定series_cat1轉(zhuǎn)換類(lèi)型為創(chuàng)建的分類(lèi)類(lèi)型
series_cat1 = series_cat.astype(cat)
print(series_cat.sort_values())
print(series_cat1.sort_values())

在這里插入圖片描述

數(shù)據(jù)類(lèi)型小結(jié)

知識(shí)點(diǎn)	內(nèi)容
Numpy的特點(diǎn)	1. Numpy是一個(gè)高效科學(xué)計(jì)算庫(kù)，Pandas的數(shù)據(jù)計(jì)算功能是對(duì)Numpy的封裝 2. ndarray是Numpy的基本數(shù)據(jù)結(jié)構(gòu)，Pandas的Series和DataFrame好多函數(shù)和屬性都與ndarray一樣 3. Numpy的計(jì)算效率比原生Python效率高很多，并且支持并行計(jì)算
Pandas數(shù)據(jù)類(lèi)型轉(zhuǎn)換	1. Pandas除了數(shù)值型的int 和 float類(lèi)型外，還有object ，category，bool，datetime類(lèi)型 2. 可以通過(guò)as_type 和 to_numeric 函數(shù)進(jìn)行數(shù)據(jù)類(lèi)型轉(zhuǎn)換
Pandas 分類(lèi)數(shù)據(jù)類(lèi)型	1. category類(lèi)型，可以用來(lái)進(jìn)行排序，并且可以自定義排序順序 2. CategoricalDtype可以用來(lái)定義順序

到此這篇關(guān)于python數(shù)據(jù)處理之Pandas類(lèi)型轉(zhuǎn)換的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)-Pandas類(lèi)型轉(zhuǎn)換內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: