Python pandas.DataFrame.astype用法及代码示例

用法: DataFrame.astype(dtype, copy=True, errors='raise')

将 pandas 对象转换为指定的 dtype dtype 。

参数：

dtype：数据类型，或列名的字典 -> 数据类型

使用 numpy.dtype 或 Python 类型将整个 pandas 对象转换为相同类型。或者，使用 {col:dtype, ...}，其中 col 是列标签，dtype 是 numpy.dtype 或 Python 类型，将 DataFrame 的一个或多个列转换为 column-specific 类型。

copy：布尔值，默认为真

当 copy=True 时返回一个副本(非常小心地将 copy=False 设置为对值的更改，然后可能会传播到其他 pandas 对象)。

errors：{‘raise’, ‘ignore’}，默认 ‘raise’

控制对提供的 dtype 的无效数据引发异常。

raise ：允许引发异常
ignore ：抑制异常。出错时返回原始对象。

casted：与调用者相同的类型

注意：

例子：

创建一个 DataFrame ：

>>> d = {'col1':[1, 2], 'col2':[3, 4]}
>>> df = pd.DataFrame(data=d)
>>> df.dtypes
col1    int64
col2    int64
dtype:object

将所有列转换为 int32：

>>> df.astype('int32').dtypes
col1    int32
col2    int32
dtype:object

使用字典将 col1 转换为 int32：

>>> df.astype({'col1':'int32'}).dtypes
col1    int32
col2    int64
dtype:object

创建一个系列：

>>> ser = pd.Series([1, 2], dtype='int32')
>>> ser
0    1
1    2
dtype:int32
>>> ser.astype('int64')
0    1
1    2
dtype:int64

转换为分类类型：

>>> ser.astype('category')
0    1
1    2
dtype:category
Categories (2, int64):[1, 2]

使用自定义排序转换为有序分类类型：

>>> from pandas.api.types import CategoricalDtype
>>> cat_dtype = CategoricalDtype(
...     categories=[2, 1], ordered=True)
>>> ser.astype(cat_dtype)
0    1
1    2
dtype:category
Categories (2, int64):[2 < 1]

请注意，使用 copy=False 并更改新 Pandas 对象上的数据可能会传播更改：

>>> s1 = pd.Series([1, 2])
>>> s2 = s1.astype('int64', copy=False)
>>> s2[0] = 10
>>> s1  # note that s1[0] has changed too
0    10
1     2
dtype:int64

创建一系列日期：

>>> ser_date = pd.Series(pd.date_range('20200101', periods=3))
>>> ser_date
0   2020-01-01
1   2020-01-02
2   2020-01-03
dtype:datetime64[ns]

相关用法

注：本文由纯净天空筛选整理自pandas.pydata.org大神的英文原创作品 pandas.DataFrame.astype。非经特殊声明，原始代码版权归原作者所有，本译文未经允许或授权，请勿转载或复制。

用法:

参数：

返回：

注意：

例子：