您好,登錄后才能下訂單哦!
這篇文章主要介紹“python數(shù)據(jù)處理之Pandas類型轉(zhuǎn)換怎么實(shí)現(xiàn)”的相關(guān)知識(shí),小編通過(guò)實(shí)際案例向大家展示操作過(guò)程,操作方法簡(jiǎn)單快捷,實(shí)用性強(qiáng),希望這篇“python數(shù)據(jù)處理之Pandas類型轉(zhuǎn)換怎么實(shí)現(xiàn)”文章能幫助大家解決問(wèn)題。
tips['sex_str'] = tips['sex'].astype(str)
DataFrame每一列的數(shù)據(jù)類型必須相同,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
自動(dòng)轉(zhuǎn)換為了字符串類型:
使用astype轉(zhuǎn)換報(bào)錯(cuò):
tips_sub_miss['total_bill'].astype(float)
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')
pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce')
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)類型由float64變?yōu)閒loat32
pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce',downcast='float')
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']))
分類數(shù)據(jù)排序會(huì)自動(dòng)根據(jù)分類排序:
ordered指定順序:
from pandas.api.types import CategoricalDtype # 創(chuàng)建一個(gè)分類 ordered 指定順序 cat = CategoricalDtype(categories=['B','D','A','C'],ordered=True) # 指定series_cat1轉(zhuǎn)換類型為創(chuàng)建的分類類型 series_cat1 = series_cat.astype(cat) print(series_cat.sort_values()) print(series_cat1.sort_values())
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)類型轉(zhuǎn)換 | 1. Pandas除了數(shù)值型的int 和 float類型外,還有object ,category,bool,datetime類型 2. 可以通過(guò)as_type 和 to_numeric 函數(shù)進(jìn)行數(shù)據(jù)類型轉(zhuǎn)換 |
Pandas 分類數(shù)據(jù)類型 | 1. category類型,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 |
關(guān)于“python數(shù)據(jù)處理之Pandas類型轉(zhuǎn)換怎么實(shí)現(xiàn)”的內(nèi)容就介紹到這里了,感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí),可以關(guān)注億速云行業(yè)資訊頻道,小編每天都會(huì)為大家更新不同的知識(shí)點(diǎn)。
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。