Python dask.dataframe.DataFrame.astype用法及代碼示例

用法: DataFrame.astype(dtype)

將 pandas 對象轉換為指定的 dtype dtype 。

此文檔字符串是從 pandas.core.frame.DataFrame.astype 複製而來的。

可能存在與 Dask 版本的一些不一致之處。

參數：

dtype：數據類型，或列名的字典 -> 數據類型

使用 numpy.dtype 或 Python 類型將整個 pandas 對象轉換為相同類型。或者，使用 {col: dtype, ...}，其中 col 是列標簽，dtype 是 numpy.dtype 或 Python 類型，將 DataFrame 的一個或多個列轉換為 column-specific 類型。

copy：bool，默認 True(Dask 中不支持)

當 copy=True 時返回一個副本(非常小心地將 copy=False 設置為對值的更改，然後可能會傳播到其他 pandas 對象)。

errors：{‘raise’, ‘ignore’}，默認 ‘raise’(Dask 不支持)

控製對提供的 dtype 的無效數據引發異常。

raise : 允許引發異常
ignore：抑製異常。出錯時返回原始對象。

casted：與調用者相同的類型

注意：

例子：

創建一個 DataFrame ：

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

將所有列轉換為 int32：

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

使用字典將 col1 轉換為 int32：

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

創建一個係列：

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

轉換為分類類型：

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

使用自定義排序轉換為有序分類類型：

>>> 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]

請注意，使用 copy=False 並更改新 Pandas 對象上的數據可能會傳播更改：

>>> 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

創建一係列日期：

>>> 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]

相關用法

注：本文由純淨天空篩選整理自dask.org大神的英文原創作品 dask.dataframe.DataFrame.astype。非經特殊聲明，原始代碼版權歸原作者所有，本譯文未經允許或授權，請勿轉載或複製。

用法:

參數：

返回：

注意：

例子：