我要评论在 pandas 中有四个主要选项来转换类型：
to_numeric()- 提供功能以安全地将非数值类型（例如字符串）转换为合适的数值类型。（另见to_datetime()和to_timedelta()。）astype()- （几乎）任何类型转换为（几乎）任何其他类型（即使这样做不一定合理）。还允许你将类型转换为分类类型（非常有用）。infer_objects()- 一个实用方法，如果可能的话，将包含 python 对象的列转换为 pandas 类型。convert_dtypes()- dataframe 列转换为支持pd.na（pandas 的对象，用于表示缺失值）的“最佳可能”数据类型。
1.to_numeric()
将非数值对象（如字符串）转换为整数或浮点数的最好方法是使用 pandas 中的 to_numeric() 函数。
这个函数会尝试将非数值对象（如字符串）转换为适当的整数或浮点数。
基本用法
to_numeric() 的输入可以是一个 series 或者一个 dataframe 的单列。
s = pd.series(["8", "6", "7.5", "3", "0.9"]) # 合字符串和数值 s = pd.to_numeric(s) # 转换为浮点值
可以看到，返回了一个新的 series。你可以将其赋值给一个变量或列名以便继续使用：
my_series = pd.to_numeric(my_series)
你也可以使用 apply() 方法来转换 dataframe 的多列：
df = df.apply(pd.to_numeric) # 转换 `dataframe` 的所有列
或者只转换特定的列：
df[["a", "b"]] = df[["a", "b"]].apply(pd.to_numeric)
只要你的值都可以被转换，这可能就是你需要的所有操作。
错误处理
但如果有些值无法转换为数值类型怎么办？
to_numeric() 接受一个 errors 关键字参数，允许你强制非数值值为 nan，或者简单地忽略包含这些值的列。
以下是一个使用字符串 series 的示例，该 series 有对象数据类型：
s = pd.series(['1', '2', '4.7', 'pandas', '10'])
默认行为是在无法转换值时引发异常。在这种情况下，它无法处理字符串 ‘pandas’：
pd.to_numeric(s, errors='raise')
valueerror: unable to parse string
与其失败，我们可能希望 ‘pandas’ 被视为缺失或无效的数值，并将其转换为 nan，如下所示：
pd.to_numeric(s, errors='coerce')
第三个选项是，如果遇到无效值，则忽略操作：
pd.to_numeric(s, errors='ignore')
原始 series 将保持不变。
最后一个选项特别适用于转换整个 dataframe，但不知道哪些列可以可靠地转换为数值类型。
在这种情况下，只需写：
df.apply(pd.to_numeric, errors='ignore')
该函数将应用于 dataframe 的每一列。可以转换为数值类型的列将被转换，而不能转换的列（例如，它们包含非数字字符串或日期）将保持不变。
下采样 (downcasting)
默认情况下，使用 to_numeric() 换时，你会得到 int64 或 float64 数据类型（或者平台原生的任何整数宽度）。
这通常是你要的结果，但如果你想要节省内存并使用更紧凑的数据类型，比如 float32 或 int8 么办？
to_numeric() 给你选择下采样的选项，可以转换为 'integer'、'signed'、'unsigned' 或 'float'。以下是一个简单的整数类型 series 示例：
s = pd.series([1, 2, -7])
下采样到 'integer' 使用可以容纳值的最小可能整数：
pd.to_numeric(s, downcast='integer')
下采样到 'float' 同样选择比正常浮点类型更小的类型：
pd.to_numeric(s, downcast='float')
结果将是 float32。
2.astype()
astype() 方法允许你明确指定 dataframe 或 series 的数据类型。它非常灵活，可以尝试从一种类型转换为另一种类型。
基本用法
只需选择一个类型：你可以使用 numpy 数据类型（例如 np.int16）、一些 python 类型（例如 bool），或者 pandas 特定的类型（如分类数据类型）。
在你想转换的对象上调用该方法，astype() 将尝试并为你进行转换：
# 将所有 dataframe 列转换为 int64 类型
df = df.astype(int)
# 列 "a" 转换为 int64 类型，将列 "b" 转换为复数类型
df = df.astype({"a": int, "b": complex})
# 将 series 转换为 float16 类型
s = s.astype(np.float16)
# 将 series 转换为 python 字符串
s = s.astype(str)
# 将 series 转换为分类类型 - 请参阅文档以获取更多详细信息
s = s.astype('category')
请注意我说的是“尝试”——如果 astype() 不知道如何转换 series 或 dataframe 中的值，它将引发错误。
例如，如果你有一个 nan 或 inf ，尝试将其转换为整数时会得到错误。
从 pandas 0.20.0 开始，可以通过传递 errors='ignore' 来抑制此错误。你的原始对象将保持不变。
注意事项
astype() 是强大的，但它有时会“错误地”转换值。例如：
>>> s = pd.series([1, 2, -7]) >>> s 0 1 1 2 2 -7 dtype: int64
这些是小整数，那么将其转换为无符号 8 位类型以节省内存如何？
>>> s.astype(np.uint8) 0 1 1 2 2 249 dtype: uint8
转换成功了，但 -7 绕了一圈变成了 249（即 (2^8 - 7)）！
尝试使用 pd.to_numeric(s, downcast='unsigned') 行下采样可能会避免这个错误。
3.infer_objects()
pandas 版本 0.21.0 引入了 infer_objects() 方法，用于将 dataframe 中具有对象数据类型的列转换为更具体的数据类型（软转换）。
例如，这里有一个 dataframe，包含两列对象类型。一列持有实际的整数，另一列持有表示整数的字符串：
>>> df = pd.dataframe({'a': [7, 1, 5], 'b': ['3', '2', '1']}, dtype='object')
>>> df.dtypes
a object
b object
dtype: object
使用 infer_objects()，你可以将列 ‘a’ 的类型更改为 int64：
>>> df = df.infer_objects() >>> df.dtypes a int64 b object dtype: object
列 ‘b’ 保持不变，因为其值是字符串，而不是整数。如果你想强制将两列都转换为整数类型，可以使用 df.astype(int)。
4.convert_dtypes()
版本 1.0 及以上包括一个方法 convert_dtypes()，用于将 series 和 dataframe 列转换为支持 pd.na 缺失值的最佳可能数据类型。
这里的“最佳可能”是指最适合存储这些值的数据类型。例如，如果所有值都是整数（或缺失值），则会转换为 pandas 整数类型；如果 python 整数对象的列被转换为 int64，numpy int32 值的列将变为 pandas 数据类型 int32。
对于我们的对象 dataframe df，我们得到以下结果：
>>> df.convert_dtypes().dtypes a int64 b string dtype: object
由于列 ‘a’ 包含整数值，因此被转换为 int64 类型（能够存储缺失值，与 int64 不同）。
列 ‘b’ 包含字符串对象，因此被转换为 pandas string 类型。
默认情况下，此方法会从每列的对象值推断类型。我们可以通过传递 infer_objects=false 来更改这一点：
>>> df.convert_dtypes(infer_objects=false).dtypes a object b string dtype: object
现在列 ‘a’ 仍然是一个对象列：pandas 知道它可以被描述为一个整数列（内部运行了 infer_dtype），但没有推断出它应该具有的确切数据类型，因此没有转换它。列 ‘b’ 再次被转换为 string 类型，因为它被识别为持有字符串值。
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持代码网。
发表评论