Python pandas.DataFrame.astype用法及代碼示例

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

將 pandas 對象轉換為指定的 dtype dtype 。

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：布爾值，默認為真

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’

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pandas.pydata.org大神的英文原創作品 pandas.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：