Pandas数据预处理:更改明确指定数据的类型

Python中,当我们在处理数据时,可能会遇到数据类型不一致的问题。例如,通过爬虫采集到的数据都是整型的数据,在使用数据时希望保留两位小数点,这时就需要将数据的类型转换成浮点型。针对这种问题,既可以在创建Pandas对象时明确指定数据的类型,也可以使用astype()方法和to_numberic()函数进行转换,下面先来介绍明确指定数据的类型。

创建Pandas数据对象时,如果没有明确地指出数据的类型,则可以根据传入的数据推断出来,并且通过dtypes属性进行查看。例如,创建一个Series对象,并查看其数据的类型,具体代码如下。

In [19]: import pandas as pd         df=pd.DataFrame({'A':['5', '6', '7'], 'B':['3', '2', '1']})         df.dtypes # 查看数据的类型Out[19]:         A     object         B     object         dtype:object

除此之外,还可以在创建Pandas对象时明确地指出数据的类型,即在使用构造方法创建对象时,使用dtype参数指定数据的类型,示例代码如下。

In [20]: import pandas as pd         # 创建DataFrame对象,数据的类型为int         df=pd.DataFrame({'A': ['5', '6', '7'], 'B': ['3', '2', '1']},                           dtype='int')         df.dtypesOut[20]:         A     int32         B     int32         dtype:  object

本文来自投稿,不代表重蔚自留地立场,如若转载,请注明出处https://www.cwhello.com/323486.html

如有侵犯您的合法权益请发邮件951076433@qq.com联系删除

(0)
黑马程序员黑马程序员订阅用户
上一篇 2023年7月12日 16:59
下一篇 2023年7月13日

相关推荐

联系我们

QQ:951076433

在线咨询:点击这里给我发消息邮件:951076433@qq.com工作时间:周一至周五,9:30-18:30,节假日休息