Python Pandas DataFrame convert_dtypes方法用法及代码示例

例子

考虑以下 DataFrame ：

df = pd.DataFrame({"A":["alex",np.NaN, "bob"],"B":[10,20,np.NaN], "C":[10.5,15.0,np.NaN], "D":[np.NaN,True,False]})
df



   A     B     C     D
0  alex  10.0  10.5  NaN
1  NaN   20.0  15.0  True
2  bob   NaN   NaN   False

我们的 df 具有以下数据类型：

df.dtypes



A     object
B    float64
C    float64
D     object
dtype: object

在此，请注意以下事项：

• 我们最终得到 A 和 D 列的 object 类型，即使它们分别保存 string 和 boolean 值。这是因为它们包含 NaN ，最终使整个列类型为 object 。

• 列 B 可以由 int 而不是 float 表示。

要使 df 的数据类型更加具体，请使用 convert_dtypes(~) 方法：

df_converted = df.convert_dtypes()
df_converted



   A     B     C     D
0  alex  10    10.5  <NA>
1  <NA>  20    15.0  True
2  bob   <NA>  NaN   False

现在，转换后的数据类型如下：

df_converted.dtypes



A     string
B      Int64
C    float64
D    boolean
dtype: object

在此，请注意以下事项：

• 列 A 和 D 的类型已分别转换为 string 和 boolean 。

• 列 B 现在是 int 而不是 float 。