Python Pandas DataFrame.astype()使用详解及示例 3

本系列是Python Pandas教程的一部分，您可以点击Python Pandas使用教程查看所有。

Pandas DataFrame.astype() 介绍

转换是将一种数据类型的实体转换为另一种数据类型的过程。因此，当对象或变量之类的实体被强制转换时，它将从其源类型转换为不同的类型。在 Pandas 中，这个转换过程可以通过 astype() 方法来实现。所以 astype() 方法用于将 Pandas 中的对象转换为不同的数据类型。分类类型的转换也可以从一种特定的列类型来实现。在本文中将看到有关 Pandas DataFrame.astype() 的内容。

语法和参数

下面是一个语法：

句法：

DataFrame.astype(self: ~FrameOrSeries, dtype, copy: bool = True, errors: str = 'raise')

以下是带描述的不同参数：

Pandas DataFrame.astype() 示例

以下是以下示例：

示例#1

代码：

import pandas as pd
Core_Series = pd.Series([ 10, 20, 30, 40, 50, 60])
print("   THE CORE SERIES ")
print(Core_Series)
Transformed_Series = Core_Series.astype('float32')
print("")
print("   THE FLOAT SERIES ")
print(Transformed_Series) 

输出：

代码说明：这里最初导入的是pandas库，导入的库用于创建series。series中的值以这样的方式表示，即它们是 10 到 60 的series。 astype() 方法用于将series的值从 int 类型转换为 float 类型。所以我们可以从输出 snap 中注意到整个 int 类型series都被转换为 float 类型。转换前后dataframe 的内容被打印到控制台。我们可以清楚地注意到，制定的float series 的所有值都是浮点格式。

示例#2

代码：

import pandas as pd
Core_Dataframe = pd.DataFrame({'A' :  [ 1, 6, 11, 15, 21, 26],
'B' :  [2, 7, 12, 17, 22, 27],
'C' :  [3, 8, 13, 18, 23, 28],
'D' :  [4, 9, 14, 19, 24, 29],
'E' :  [5, 10, 15, 20, 25, 30]})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print(type(Core_Dataframe.A[0]))
Transformed_Dataframe = Core_Dataframe.astype('float32')
print("")
print("   THE FLOAT DATAFRAME ")
print(Transformed_Dataframe)
print(type(Transformed_Dataframe.A[0]))

输出：

代码说明：这里最初导入的是pandas库，导入的库用于创建shape(6,6)的dataframe。数据框中的所有列都分配有按字母顺序排列的标题。数据框中的值以这样的方式表达，即它们是 1 到 n 的序列。这里创建的dataframe被称为 core  dataframe。core  dataframe的数据类型被打印到控制台。接下来，使用 astype() 方法将整个dataframe从 int 类型元素转换为 float 类型。所以在 astype() 过程结束时，整个core  dataframe被转换为浮点类型并命名为转换dataframe。转换后的数据类型的内容与其类型一起打印到控制台上。

示例#3

代码：

import pandas as pd
Core_Dataframe = pd.DataFrame({'A' :  [ 1, 6, 11, 15, 21, 26],
'B' :  [2, 7, 12, 17, 22, 27],
'C' :  [3, 8, 13, 18, 23, 28],
'D' :  [4, 9, 14, 19, 24, 29],
'E' :  [5, 10, 15, 20, 25, 30]})
print("   THE CORE DATAFRAME ")
print(Core_Dataframe)
print(type(Core_Dataframe.A[0]))
print(type(Core_Dataframe.B[0]))
print(type(Core_Dataframe.C[0]))
print(type(Core_Dataframe.D[0]))
print(type(Core_Dataframe.E[0]))
Transformed_Dataframe_A = Core_Dataframe['A'].astype('float32')
Transformed_Dataframe_B = Core_Dataframe['B'].astype('str')
Transformed_Dataframe_C = Core_Dataframe['C'].astype('float64')
Transformed_Dataframe_D = Core_Dataframe['D'].astype('int32')
Transformed_Dataframe_E = Core_Dataframe['E'].astype('complex64')
print("")
print("   THE TRANSFORMED DATAFRAME TYPES ")
print("   THE TRANSFORMED DATAFRAME A OF FLOAT32 TYPE ")
print(Transformed_Dataframe_A)
print(type(Transformed_Dataframe_A[0]))
print("")
print("   THE TRANSFORMED DATAFRAME A OF STR TYPE ")
print(Transformed_Dataframe_B)
print(type(Transformed_Dataframe_B[0]))
print("")
print("   THE TRANSFORMED DATAFRAME A OF FLOAT64 TYPE ")
print(Transformed_Dataframe_C)
print(type(Transformed_Dataframe_C[0]))
print("")
print("   THE TRANSFORMED DATAFRAME A OF INT32 TYPE ")
print(Transformed_Dataframe_D)
print(type(Transformed_Dataframe_D[0]))
print("")
print("   THE TRANSFORMED DATAFRAME A OF COMPLEX64 TYPE ")
print(Transformed_Dataframe_E)
print(type(Transformed_Dataframe_E[0]))

输出：

代码说明：上面例子中的整个初始操作集在这里再次重复，一旦core dataframe被声明，dataframe中每一列的数据类型被打印到类型函数封装的控制台中，因此类型值每一列的信息都打印到控制台上。控制台中的每一列都被转换为不同的类型并独立存储到转换后的dataframe中，为每列转换的类型值打印在下面，

1. Core_Dataframe[‘A’] 转化为 float32
2. Core_Dataframe[‘B’] 转成字符串
3. Core_Dataframe[‘C’] 转化为 float64
4. Core_Dataframe[‘D’] 转化为 int32
5. Core_Dataframe[‘E’] 转化为 complex64

每个转换后的dataframe的值和值的相应数据类型都打印到控制台上。

结论

pandas 中的 astype() 方法显示了以最灵活的方式对dataframe中的每个值应用强制转换操作的灵活性。它还描述了可以与 python pandas 编程的 astype() 方法相关联的分类转换类型集。