轉(zhuǎn)換為字符串類型

tips['sex_str'] = tips['sex'].astype(str)

轉(zhuǎn)換為數(shù)值類型

轉(zhuǎn)為數(shù)值類型還可以使用to_numeric()函數(shù)

DataFrame每一列的數(shù)據(jù)類型必須相同，當(dāng)有些數(shù)據(jù)中有缺失，但不是NaN時(shí)（如missing,null等），會(huì)使整列數(shù)據(jù)變成字符串類型而不是數(shù)值型，這個(gè)時(shí)候可以使用to_numeric處理

#創(chuàng)造包含'missing'為缺失值的數(shù)據(jù)
tips_sub_miss = tips.head(10)
tips_sub_miss.loc[[1,3,5,7],'total_bill'] = 'missing'
tips_sub_miss

自動(dòng)轉(zhuǎn)換為了字符串類型:

使用astype轉(zhuǎn)換報(bào)錯(cuò)：

tips_sub_miss['total_bill'].astype(float)

使用to_numeric()函數(shù)：

直接使用to_numeric()函數(shù)還是會(huì)報(bào)錯(cuò)，添加errors參數(shù)

errors可變參數(shù)：

• ignore 遇到錯(cuò)誤跳過 （只是跳過沒轉(zhuǎn)類型）
• coerce 遇到不能轉(zhuǎn)的值強(qiáng)轉(zhuǎn)為NaN

pd.to_numeric(tips_sub_miss['total_bill'],errors='ignore')

pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce')

to_numeric向下轉(zhuǎn)型:

downcast參數(shù)

• integer 和 signed最小的有符號(hào)int dtype
• float 最小的float dtype
• unsigned 最小的無符號(hào)int dtype

downcast參數(shù)設(shè)置為float之后, total_bill的數(shù)據(jù)類型由float64變?yōu)閒loat32

pd.to_numeric(tips_sub_miss['total_bill'],errors='coerce',downcast='float')

分類數(shù)據(jù)（Category）

利用pd.Categorical()創(chuàng)建categorical數(shù)據(jù)，Categorical()常用三個(gè)參數(shù)

• 參1 values，如果values中的值，不在categories參數(shù)中，會(huì)被NaN代替
• 參2 categories，指定可能存在的類別數(shù)據(jù)
• 參3 ordered, 是否指定順序

s = pd.Series(pd.Categorical(["a","b","c","d"],categories=['c','b','a']))

分類數(shù)據(jù)排序會(huì)自動(dòng)根據(jù)分類排序：

ordered指定順序：

from pandas.api.types import CategoricalDtype
# 創(chuàng)建一個(gè)分類  ordered  指定順序
cat = CategoricalDtype(categories=['B','D','A','C'],ordered=True)
# 指定series_cat1轉(zhuǎn)換類型為創(chuàng)建的分類類型
series_cat1 = series_cat.astype(cat)
print(series_cat.sort_values())
print(series_cat1.sort_values())

數(shù)據(jù)類型小結(jié)