共计 5780 个字符，预计需要花费 15 分钟才能阅读完成。
一、变量类型及转换
对于变量的数据类型而言，Pandas 除了数值型的 int 和 float 类型外，还有 object，category，bool，datetime 类型。
另外，空值类型作为一种非凡类型，须要独自解决。
数据处理的过程中，常常须要将这些类型进行相互转换，上面介绍一些变量类型转换的罕用办法。
1、查问变量类型
在数据处理的过程中，针对不同的数据类型会有不同的解决办法，比方数值型能够做加减乘除，然而字符型、工夫类型就须要其它解决办法。为此，咱们首先须要将各种数据类型进行辨别，而后再别离解决。
pandas中 select_dtype 函数能够特色变量进行疾速分类，具体用法如下：
DataFrame.select_dtypes(include=None, exclude=None)
- include：列表，想要留下的数据类型，比方
float64，int64，bool，object等 - exclude：列表，须要排除的数据类型，同上。
df = pd.DataFrame({'a': [1, 2] * 3,
'b': [True, False] * 3,
'c': [1.0, 2.0] * 3,
'd': ['a','b']*3})
# 筛选 float 和 int 的数值类型变量
num_list = df.select_dtypes(include=['float','int64']).columns.tolist()
# 筛选 ojbect 字符型的数值类型变量
obj_list = df.select_dtypes(include=['object']).columns.tolist()
print(obj_list)
print(num_list)
>> ['d']
>> ['a', 'c']include和 exclude 也能够组合应用筛选。
如果想要查看所有变量的数据类型，能够通过 info 疾速查看，如下：
df.info()
>><class 'pandas.core.frame.DataFrame'>
RangeIndex: 6 entries, 0 to 5
Data columns (total 4 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 a 6 non-null int64
1 b 6 non-null bool
2 c 6 non-null float64
3 d 6 non-null object
dtypes: bool(1), float64(1), int64(1), object(1)
memory usage: 278.0+ bytes2、转换数值类型
数值类型包含 int 和float。
转换数据类型比拟通用的办法能够用 astype 进行转换。
pandas中有种十分便当的办法 to_numeric() 能够将其它数据类型转换为数值类型。
pandas.to_numeric(arg, errors=’raise’, downcast=None)
- arg：被转换的变量，格局能够是
list,tuple,1-d array,Series - errors：转换时遇到谬误的设置，
ignore,raise,coerce，上面例子中具体解说 - downcast：转换类型降级设置，比方整型的有无符号
signed/unsigned，和浮点float
上面例子中，s是一列数据，具备多种数据类型，当初想把它转换为数值类型。
import pandas as pd
import numpy as np
s = pd.Series(['boy', '1.0', '2019-01-02', 1, False, None, pd.Timestamp('2018-01-05')])
# 默认错位格局为 raise，遇到非数字字符串类型报错
pd.to_numeric(s, errors='raise') # 错位格局为 ignore，只对数字字符串转换, 其余类型一律漠视不转换, 蕴含工夫类型
pd.to_numeric(s, errors='ignore')# 将工夫字符串和 bool 类型强制转换为数字, 其余均转换为 NaN
pd.to_numeric(s, errors='coerce') # downcast 能够进一步转化为 int 或者 float
pd.to_numeric(s) # 默认 float64 类型
pd.to_numeric(s, downcast='signed') # 转换为整型4、转换字符类型
数字转字符类型非常简单，能够简略的应用 str 间接转换。
df = pd.DataFrame({'year': [2015, 2016],
'month': [2, 3],
'day': [4, 5]})
df['month'] = df['month'].map(str)
df.info()
>><class 'pandas.core.frame.DataFrame'>
RangeIndex: 2 entries, 0 to 1
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 year 2 non-null int64
1 month 2 non-null object
2 day 2 non-null int64
dtypes: int64(2), object(1)
memory usage: 176.0+ bytes此外这里再延长一下，去掉字符类型 的办法eval。
比方，当咱们遇到 '[1,2,3]' 这种状况的时候，咱们理论想获取外面的列表，然而当初却是个字符串类型，咱们能够应用 eval 函数将 '' 这个外套间接去掉，去掉后主动转换成外面数据类型。
a = '[1,2,3]'
type(a)
>> str
eval(a)
>> [1, 2, 3]5、转换工夫类型
应用 to_datetime 函数将数据转换为日期类型，用法如下:
pandas.to_datetime(arg, errors=’raise’, dayfirst=False, yearfirst=False, utc=None, box=True, format=None, exact=True, unit=None, infer_datetime_format=False, origin=’unix’)
参数比拟多，罕用的就是format，依照指定的字符串 strftime 格局解析日期，个别状况下该函数能够间接主动解析成日期类型。
# 对整个 dataframe 转换，将年月日几列主动合并为日期
df = pd.DataFrame({'year': [2015, 2016],
'month': [2, 3],
'day': [4, 5]})
df
>> year month day
0 2015 2 4
1 2016 3 5
pd.to_datetime(df)
>>
0 2015-02-04
1 2016-03-05
dtype: datetime64[n
s]
# 对单列转换日期类型
df1 = pd.DataFrame({'appl_tm':['20220401','20220402','20220403'],
'appl_tm1':['2012.03.04','2021.09.04','2031.06.05']})
>>df1
appl_tm appl_tm1
0 20220401 2012.03.04
1 20220402 2021.09.04
2 20220403 2031.06.05
df1['appl_tm'] = pd.to_datetime(df1['appl_tm'])
df1['appl_tm1'] = pd.to_datetime(df1['appl_tm1'], format='%Y.%m.%d')
>>df1
appl_tm appl_tm1
0 2022-04-01 2012-03-04
1 2022-04-02 2021-09-04
2 2022-04-03 2031-06-05转换为日期类型后，就能够对日期应用 series.dt. 办法进行更简单的筛选和查问了。
# 筛选 2021 年的日期,month 和 day 也是同理
df1['appl_tm1'].dt.year == 2021
>>
0 False
1 True
2 False
Name: appl_tm1, dtype: bool
df1[df1['appl_tm1'].dt.year == 2021]
>>
appl_tm appl_tm1
1 2022-04-02 2021-09-046、转换 category 类型
category 类型在 pandas 中的出场率并不是很高，个别在不思考优化效率时，会用其它类型代替。但如果须要转换 category 类型，能够间接应用 astype 实现。
df = pd.DataFrame({'year': [2015, 2016],
'month': [2, 3],
'day': [4, 5]})
df['year'] = df['year'].astype('category')
df.info()
>><class 'pandas.core.frame.DataFrame'>
RangeIndex: 2 entries, 0 to 1
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 year 2 non-null category
1 month 2 non-null int64
2 day 2 non-null int64
dtypes: category(1), int64(2)
memory usage: 258.0 byte对于 category 类型的具体应用办法，能够参考这篇文章：category 分类变量的应用办法
7、智能类型转换 convert_dtypes
下面介绍的均为手动一对一的变量类型转换，pandas中还提供了一种智能转换的办法convert_dtypes，应用它能够无脑主动实现转换。
默认状况下，convert_dtypes将尝试将 Series 或DataFrame中的每个 Series 转换为反对的 dtypes，它能够对 Series 和DataFrame都间接应用。
该办法的参数如下：
infer_objects：默认为True，是否应将对象dtypes转换为最佳类型convert_string：默认为True，对象dtype是否应转换为StringDtype()convert_integer：默认为True，如果可能，是否能够转换为整数扩大类型convert_boolean：默认为True，对象dtype是否应转换为BooleanDtypes()convert_floating：默认为True，如果可能，是否能够转换为浮动扩大类型。如果convert_integer也为 True，则如果能够将浮点数忠诚地转换为整数，则将优先思考整数dtype
上面看一组示例。
通过后果能够看到，变量都是是创立时默认的类型。但其实变量是有整数、字符串、布尔的，其中有的还存在空值。
# 对整个 dataframe 间接转换
>>> dfn = df.convert_dtypes()
>>> dfn
a b c d e f
0 1 x True h 10 <NA>
1 2 y False i <NA> 100.5
2 3 z <NA> <NA> 20 200.0
>>> dfn.dtypes
a Int32
b string
c boolean
d string
e Int64
f Float64
dtype: object疏忽了空值的影响，变量类型曾经主动转换为咱们想要的了。
对 Series 的转换也是一样的。上面的 Seires 中因为存在 nan 空值所以类型为object。
# Series 变量类型转换
s = pd.Series(["a", "b", np.nan])
>>> s
0 a
1 b
2 NaN
dtype: object
# 通过 convert_dtypes 胜利转换为 String
>>> s.convert_dtypes()
0 a
1 b
2 <NA>
dtype: string如果将来减少了新类型，convert_dtypes办法也会同步更新，并反对新的变量类型。
以上就是本次分享的所有内容，如果你感觉文章还不错，欢送关注公众号：Python 编程学习圈，每日干货分享，发送“J”还可支付大量学习材料，内容笼罩 Python 电子书、教程、数据库编程、Django，爬虫，云计算等等。或是返回编程学习网，理解更多编程技术常识。
