更改Pandas中的dataframe列数据类型
在Pandas中更改DataFrame列的数据类型可以使用astype()方法或to_numeric()方法。这两种方法可以将列的数据类型转换为指定的类型。
- 使用
astype()方法：- 概念：
astype()方法用于将列的数据类型转换为指定的类型。 - 分类：数据类型转换。
- 优势：简单易用，适用于大多数数据类型转换。
- 应用场景：当需要将列的数据类型转换为其他类型时，可以使用
astype()方法。 - 推荐的腾讯云相关产品：无。
- 产品介绍链接地址：无。
- 示例代码：
- 示例代码：
- 概念：
- 使用
to_numeric()方法：- 概念：
to_numeric()方法用于将列的数据类型转换为数值类型。 - 分类：数据类型转换。
- 优势：适用于将字符串类型的列转换为数值类型。
- 应用场景：当需要将字符串类型的列转换为数值类型时，可以使用
to_numeric()方法。 - 推荐的腾讯云相关产品：无。
- 产品介绍链接地址：无。
- 示例代码：
- 示例代码：
- 概念：
以上是使用Pandas更改DataFrame列数据类型的方法。根据具体需求选择合适的方法进行数据类型转换。
相关·内容
这种行为对我来说似乎很奇怪:如果另一列是时间增量，则在转置df时将id列(一个字符串)转换为时间戳。
import pandas as pd
df = pd.DataFrame({'id': ['00115', '01222', '32333'],
'val': [12, 14, 170]})
df['val'] = pd.to_timedelta(df.val, unit='Minutes')
print(df.T)
#
浏览 41提问于2018-06-16得票数 9
回答已采纳
我有一个时间顺序混乱的列表存储在一个名为“Compilado”的excel表中，我想要正确地重新排序，以便为数据分析做准备。
我把它解析给一只Pandas Dataframe
df = pandas.read_excel(r'C:\Users\KMBGSI\Downloads\Historico de Alertas.xlsx',sheet_name='Compilado', header=None, names= header_list, index_col=None, parse_dates=[0])
Dataframe预览：
df.info()返回：
浏览 10提问于2022-03-30得票数 0
让我举一个例子：
df = pd.DataFrame(np.arange(6).reshape(3, 2), columns=list('ab'))
print(df)
a b
0 0 1
1 2 3
2 4 5
比方说，我想选择一个列'a‘== 0的行，并且我知道在我的dataframe中只有一个行满足这个条件。
df1 = df.loc[df['a'] == 0]
print(df1)
a b
0 0 1
type(df1)
pandas.core.frame.DataFrame
df2 = df.loc[0]
p
浏览 1提问于2017-05-21得票数 2
回答已采纳
1回答
在某些情况下，单元格的格式(int、float等)在通过行访问时会丢失。
在该示例中，第一列具有整数，第二列具有浮点数。但是111被转换为111.0。
dfA = pandas.DataFrame({
'A': [111, 222, 333],
'B': [1.3, 2.4, 3.5],
})
# A 111.0
# B 1.3
# Name: 0, dtype: float64
print(dfA.loc[0])
# <class 'numpy.float64'>
print(type(dfA.l
浏览 6提问于2022-12-04得票数 0
回答已采纳
pandas在update中将列的类型从int更改为float有什么原因吗?我可以阻止它这样做吗？以下是该问题的一些示例代码
import pandas as pd
import numpy as np
df = pd.DataFrame({'int': [1, 2], 'float': [np.nan, np.nan]})
print('Integer column:')
print(df['int'])
for _, df_sub in df.groupby('int'):
df_sub['
浏览 0提问于2013-07-01得票数 8
回答已采纳
我有pandas数据框架和int64、object和datetime64[ns]数据类型。导出pandas DataFrame.to_Excel选项时如何保留这些数据类型？
我希望导出的Excel文件列如下所示：
Excel中的int64数字格式
Excel中的object文本格式
Excel中的datetime64[ns]数据格式
现在，我所有的Excel列格式都显示为General
浏览 10提问于2021-06-24得票数 2
我使用的web服务返回CSV响应，其中第一行包含列名，第二行包含列单位，例如：
longitude,latitude
degrees_east,degrees_north
-142.842,-1.82
-25.389,39.87
-37.704,27.114
我可以将这个读入熊猫的DataFrame中：
import pandas as pd
from StringIO import StringIO
x = '''
longitude,latitude
degrees_east,degrees_north
-142.842,-1.82
-25.389,39.87
-
浏览 0提问于2013-05-07得票数 2
回答已采纳
我们使用pandas (v0.25.3)从通过Django ORM (django v2.2.6)访问的postgres数据库中的大型数据集运行分析和数据操作。 我们遇到的情况是，我们要导入到DataFrame的表包含一个存储为models.BigIntegerField的外键ID列。这个外键字段通常是一个很大的数字，但是在那些没有设置外键的行中也可以是null。 当我们将记录列表从Django查询集中导入到新的pandas DataFrame中时，pandas会将ID列的dtype设置为np.float64，因为该数据包含一些空值。但是，对于那些ID不为null的行，从BigInteger
浏览 19提问于2020-12-19得票数 0
当使用pandas将查询的输出加载到DataFrame中时，标准行为是将包含NULL的整型字段转换为浮点型，以便NULL变为NaN。
从pandas 1.0.0开始，它们包含了一个名为pandas.NA的新类型，用于处理具有NULL的整型列。但是，当使用pandas.read_sql()时，当出现NULL时，整型列仍然转换为浮点型，而不是整型。除此之外，read_sql()方法不像read_csv()那样支持使用dtype参数来强制字段。
有没有一种方法可以将查询中的整型列直接加载到Int64数据类型中，而不是先将其强制为浮点型，然后再手动将其转换为Int64？
浏览 26提问于2020-03-18得票数 2
1回答
我有一个Pandas dataframe，它有4列。2列具有float64类型。其余均为int型。我想把它们输入到LSTM层。我需要数据类型保持原样。但是，当我使用dataframe.values将它们转换为Numpy array时，dataset数据类型更改为float64。如何才能保持数据类型的原样？
(2列：float64，2列：int)
浏览 1提问于2018-06-21得票数 1
回答已采纳
1回答
我正在使用Pandas0.8查询底层的PostgreSQL数据库。Pandas正确地返回了对象，但是我的数据库中的底层时间戳列在Pandas中作为一个通用的“DataFrame”类型返回。因为我最终想要对我的数据进行季节性标准化，我很好奇如何将这个通用的“对象”列转换为适合分析的列。
下面是我检索数据的当前代码：
# get timestamp with time zone Pandas example
import pandas.io.sql as psql
import psycopg2
# define query
QRY = """
select
浏览 0提问于2012-07-05得票数 1
当尝试从下面的dataframe使用write_pandas时，只能转换1维数组值错误。
此外，我还假设我的数据文件是适当设置的，因为我遵循了雪花文档中关于使用DF插入write_pandas的文档。
打印dataframe repr：
write_pandas(connection_String, dataframe, table_name,database='SB', schema = 'SBB',quote_identifiers=False)
它还告诉我‘类型对象的列SRC_XML的转换失败’)我的雪花表被设置为类型变体，如果我可以将
浏览 13提问于2022-08-12得票数 0
回答已采纳
2回答
从一个 DataFrame (例如使用.loc或.iloc)中提取单个pandas行DataFrame会产生pandas Series。但是，在处理DataFrame中的异构数据时(即DataFrame的列并不都是相同的dtype)，这会导致行中不同列的所有值被强制转换为单个dtype，因为Series只能有一个dtype。这里有一个简单的例子来说明我的意思：
import numpy
import pandas
a = numpy.arange(5, dtype='i8')
b = numpy.arange(5, dtype='u8')**2
c = num
浏览 2提问于2020-06-29得票数 0
我想知道为什么HDFStore会在pandas中的字符串列上给出警告。我认为它可能是我的实际数据库中的NaNs，但在这里尝试它会给我两个列的警告，即使其中一列不是混合的，只是字符串。
使用.13.1 pandas和3.1.1表
In [75]: d1 = {1:{'Mix': 'Hello', 'Good': 'Hello'}}
In [76]: d2 = {2:{'Good':'Goodbye'}}
In [77]: d2_df = pd.DataFrame.from_dict(d2,orie
浏览 3提问于2014-06-06得票数 4
有没有一种更好的方法来保持numpy数组的数据类型固定为int (或int64或其他任何类型)，同时内部仍有一个元素列为numpy.NaN
特别是，我正在将内部数据结构转换为Pandas DataFrame。在我们的结构中，我们有整数类型的列，它们仍然有NaN(但是列的dtype是int)。如果我们把它变成一个DataFrame，它看起来会把所有的东西都转换成一个浮点型，但我们真的很想成为int。
有什么想法？
尝试过的：
我尝试在pandas.DataFrame下使用coerce_float=False下的from_records()函数，但没有帮助。我还尝试在NaN fill_value中
浏览 330提问于2012-07-19得票数 190
回答已采纳
11回答
更改pandas中的列类型
、、、、
我希望将一个表示为列表列表的表转换为Pandas DataFrame。举一个非常简单的例子：
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a)
将列转换为适当类型的最佳方法是什么?在本例中，将列2和列3转换为浮点数？有没有一种方法可以在转换为DataFrame时指定类型？或者更好的做法是先创建DataFrame，然后遍历这些列以更改每
浏览 5提问于2013-04-09得票数 1155
回答已采纳
3回答
Numpy获取每列的数据类型
、、、、
我需要获取每个列的类型，以便对其进行适当的预处理。
目前，我通过以下方法做到这一点：
import pandas as pd
# input is of type List[List[any]]
# but has one type (int, float, str, bool) per column
df = pd.DataFrame(input, columns=key_labels)
column_types = dict(df.dtypes)
matrix = df.values
由于我只使用pandas获取数据类型(每列)，而使用numpy获取其他所有内容，因此我希望将panda
浏览 2提问于2018-11-30得票数 4
我想知道为什么dd.from_bcolz()在被调用时立即开始做一些处理(当N列增加时会增长很多，并且有字符串类型的列)。
而且dd.read_hdf()在被调用时不会做太多的处理，但只有在使用dask.dataframe的时候--然后read_hdf()逐块读取和处理HDF5块……
我喜欢read_hdf现在的工作方式，唯一的问题是hdf5表的列不能超过1200列，并且dataframe不支持数组的列。而且hdf5格式毕竟不是基于列的……
In [1]: import dask.dataframe as dd
In [2]: import pandas as pd
In [3]: imp
浏览 3提问于2016-07-29得票数 1
回答已采纳
import pandas as pd
import numpy as np
test_df = pd.DataFrame([[1,2]]*4, columns=['x','y'])
test_df.iloc[0,0] = '1'
test_df.iloc[0,0] = 1
test_df.select_dtypes(include=['number'])
我想知道为什么x列不包括在这种情况下
浏览 0提问于2018-10-23得票数 1
1回答
我是pandas的新手，我从尝试读取完全由1和0组成的表开始，并使用read_csv函数来完成此操作。一切正常，我得到了一个列类型为int64的DataFrame。当我引入NaN值时，问题就出现了。在这种情况下，我得到一个列类型为float64的DataFrame。这是预期的行为吗？NaN值与int类型不兼容吗？
我还尝试通过执行DataFrame(data, dtype=numpy.int64)来转换带有浮点列的DataFrame，但在本例中我得到的结果如下：
col1 col2
row1 -9223372036854775808 1
r
浏览 1提问于2012-03-01得票数 2
回答已采纳
我有两个列的dataframe：
In[] df.head()
Out[] specific_death months_survival
0 False 179
1 False 127
2 False 67
3 True 111
4 False 118
第一列有布尔值，第二列有整数。如果我将dataframe转换
浏览 3提问于2020-10-28得票数 0
回答已采纳
我有一个具有以下数据类型的dataframe：
[2020-02-06 19:15:06,579] {logging_mixin.py:95} INFO -
campanha object
chave_sistema_origem int64
valor_ajustado object
列valor_ajustado有一些值，当我试图使用df.to_parquet(buffer, index=False)编写一个拼花文件时，它会抛出一个异常。
[2020-02-06 19:15:06,597] {ta
浏览 1提问于2020-02-06得票数 3
我有一个包含键-值对的pandas Series，其中键是我的pandas DataFrame中列的名称，值是DataFrame中该列的索引。
例如：
系列：
然后在我的DataFrame中：
因此，从我的DataFrame中，我希望从'A‘的DataFrame中提取索引12处的值，即435.81。我想将所有这些值放入另一个序列中，所以类似于{ 'A'：435.81，'AAP'：468.97，...}
我的声誉很低，所以我不能将我的图片作为图片发布，而不是链接(有人能帮我解决这个问题吗？谢谢！)
浏览 30提问于2017-08-15得票数 0
我想使用lambda函数来获取pandas数据文件中列的数据类型。假设我的数据是df。我写了以下代码
df.apply(lambda x: x.dtype)
因此，如果df有数字列，则此命令应返回这些列的'int64'。但是，当我运行我所拥有的一个dataframe的代码时，我只看到object作为类型返回。为什么会有这种行为？
浏览 1提问于2016-08-29得票数 0
import numpy as np
import pandas as pd
import math
from scipy import stats
hqm_columns = [
'Ticker',
'Price',
'Number of Shares to Buy',
'One-Year Price Return',
'One-Year Return Percentile',
'Six-Month Price Return',
浏览 24提问于2021-02-18得票数 1
我需要将可为空的整型日期值('YYYYMMDD')读取到pandas，然后将此pandas数据帧保存为Date32Day格式，以便Athena Glue Crawler分类器将该列识别为日期。下面的代码不允许我将列保存到pandas中的parquet： import pandas as pd
dates = [None, "20200710", "20200711", "20200712"]
data_df = pd.DataFrame(dates, columns=['date'])
data_df['
浏览 32提问于2020-07-14得票数 3
1回答
我按照的建议更改了pandas数据帧的列数据类型。但是，如果我通过索引号而不是列名来引用列，这似乎不起作用。有没有一种方法可以正确做到这一点？
In [49]: df.iloc[:, 4:].astype(int)
Out[49]:
<class 'pandas.core.frame.DataFrame'>
Int64Index: 5074 entries, 0 to 5073
Data columns (total 3 columns):
5 5074 non-null values
6 5074 non-null values
7
浏览 2提问于2013-07-22得票数 6
回答已采纳
我正在用预定义的列解析一些数据，有时这些列会被重复，例如：
df = pd.DataFrame([['A','B']], columns=['A','A'])
上面的功能很好，但是我也想为列指定dtype。
df = pd.DataFrame([['A','B']], columns=['A','A'],dtype={'A':str})
但是，上面的错误有以下几点：
Traceback (most recent call last):
File &
浏览 11提问于2022-10-24得票数 0
我能够创建数据帧并通过以下方式强制使用一种数据类型
import pandas as pd
test = pd.DataFrame({'a':[1,2,3], 'b':[1.1,2.1,3.1]}, dtype=int)
但是我想为每一列指定类型。我该怎么做呢？我尝试了以下方法，但不起作用，因为结果数据类型是对象，并且b列不会强制转换为整数。
test = pd.DataFrame({'a':[1,2,3], 'b':[1.1,2.1,3.1]}, dtype=[('a', int),('b', i
浏览 0提问于2014-03-26得票数 10
我试一下这个： pd.DataFrame(numpy.array([[1, 2, 3], [4, 5, 6], [7, 'a', 'b']]), columns=['a', 'b', 'c']).dtypes
a object
b object
c object
dtype: object 但是在下一种情况下，当所有列都只包含整数值时，我得到了正确的列类型 pd.DataFrame(numpy.array([[1, 2, 3], [4, 5, 6]]), columns=['a'
浏览 21提问于2021-01-17得票数 1
回答已采纳
我在Google bigquery中有一个表，其中有一列设置为数据类型timestamp。 我必须使用pandas的to_gbq函数插入数据。 如果我将数据类型设置为string，而不是timestamp，那么数据就会加载到表中。 但是我希望列是时间戳数据类型。 如何将dataframe的列类型转换为与Google bigquery兼容的时间戳。 错误 ? 表模式 ?
浏览 22提问于2019-09-11得票数 0
我正在使用以下方法从PostgreSQL检索大量数据：
it = pandas.read_sql_table(table, DB_CONN, chunksize=1000)
但是Pandas使用psycopg2适配器来实现PostgreSQL，它是。据我所知，没有办法让psycopg2返回bytes而不是memoryview，所以我只能这样做。
现在，我提供给Pandas的库是用C编写的，它不接受memoryview，只能处理bytes，所以我需要一种将所有memoryview列转换为bytes的方法。
我试过这样做：
dataframe[column_name].astype(bytes)
浏览 0提问于2018-09-06得票数 1
回答已采纳
2回答
从文件中读取分隔数据时，pandas库能够解释数据列的类型。 当向pandas数据帧传递通过pandas之外的某个过程组装的字符串列表时，pandas会将内部列表类型保留为字符串： data = [ ['1','2'],['3','4'] ]
cols = ['foo', 'biz']
df = DataFrame(columns=cols, data=data)
print(numpy.sum(df.values))
$: <literal sum of the strings>
浏览 12提问于2020-07-22得票数 2
回答已采纳
我有一个Dask dataframe，其中一列包含一个数组浮点数组：
import dask.dataframe as dd
import pandas as pd
import numpy as np
df = dd.from_pandas(
pd.DataFrame(
{
'id':range(1, 6),
'vec':[np.array([1.0, 2.0, 3.0, 4.0, 5.0])] * 5
}), npartitions=1)
df.compute()
浏览 7提问于2018-02-15得票数 4
回答已采纳
我正在尝试将pandas.DataFrame代码转换为等效的pyspark DataFrame。我有一个以下格式的RDD。
myRdd = [[1, 'a', {'a':[1, 2]}],
[2, 'b', {'c': 1, 'd':3}],
[3, 'c', {}]]
columnNames = ['sl', 'name', 'params']
内部列表中的第三个元素没有特定的结构。在pandas数据帧中，我可以
浏览 1提问于2018-04-07得票数 1
我发现自己经常要做一件事，这让我很惊讶，在Pandas中实现这一点是多么的困难。假设我需要创建一个具有指定索引类型和名称以及列类型和名称的空DataFrame。(我可能希望稍后填充它，例如在循环中。)据我所知，最简单的方法是为每一列创建一个空的pandas.Series对象，指定它们的dtype，将它们放入指定其名称的字典中，然后将字典传递给DataFrame构造函数。类似于下面的内容。
def create_empty_dataframe():
index = pandas.Index([], name="id", dtype=int)
column_name
浏览 120提问于2016-07-22得票数 15
2回答
我想分析和转换下面的DataFrame
import random
import string
import numpy as np
import pandas as pd
# generate example dataframe
df=pd.DataFrame()
df['Name']=[str(x) for x in np.random.choice(['a','b','c'],10)]
df['Cat1']=[str(x) for x in np.random.choice(['x',
浏览 0提问于2018-12-04得票数 2
回答已采纳
我正在使用csv + df.to_csv将SQL数据库导出到df.to_csv中，存在一个问题，即整数字段在DataFrame中表示为浮点数。
我的代码：
conn = pymysql.connect(server, port)
chunk = pandas.read_sql_query('''select * from table''', conn)
df = pandas.DataFrame(chunk) # here int values are float
df.to_csv()
我正在以这种方式导出许多表，问题是int字段被导出
浏览 5提问于2021-06-16得票数 0
回答已采纳
5回答
看来dtype只为pandas.DataFrame.Series工作，对吗？是否有一个函数可以同时显示所有列的数据类型？
浏览 7提问于2016-11-01得票数 170
回答已采纳
我想使用numpy.where()向pandas.DataFrame添加一列。我想对条件为false的行使用NaN值(以指示这些值是“缺失的”)。 考虑一下： >>> import numpy; import pandas
>>> df = pandas.DataFrame({'A':[1,2,3,4]}); print(df)
A
0 1
1 2
2 3
3 4
>>> df['B'] = numpy.nan
>>> df['C'] = numpy.wher
浏览 144提问于2021-05-11得票数 5
回答已采纳
我有几个希望写入SQL database的pandas Dataframe。但是，因为现有的SQL database可能没有pandas Dataframe中的特定column name，所以我收到一条错误消息，指出the column in the table was not found, thus unable to append data。
# Example:
df1
out= column1, column2, column3, column4
value1, value2, value3, value4
df2
out= columnA, columnB, c
浏览 0提问于2016-07-24得票数 5
我使用Pands to_gbq将一个数据帧附加到一个大的查询表中，就像我在过去成功使用它所做的那样(我只在模式中显式声明了一个字段，这样它就会将其识别为一个日期，否则它会强制它为一个字符串)：
schema = [{'name': 'Week', 'type': 'DATE'}]
def load_to_BQ():
dataframe.to_gbq(destination_table='Table.my_table',
project_id='myprojectid
浏览 2提问于2021-07-23得票数 0
1回答
例如，我有一个dataframe列('x')，它包含列表作为值。
import pandas as pd
jk = pd.DataFrame()
jk['x'] = [[1, 2, 3], [1, 4, 2], [27, 1, 3]]
我使用下面的代码将值拆分成如下所示的列。然而，我的实际数据集非常大。我在每个列表中有大约80,000行和16个值。有没有更有效的方法来做到这一点？
jk1 = pd.DataFrame(jk.x.values.tolist(), columns=['a','b','c'])
浏览 0提问于2018-11-08得票数 3
我正在尝试在一个pandas DataFrame中生成一个新列，该列与另一个pandas DataFrame中的值相等。当我尝试创建新列时，我只得到新列值的NaNs。
首先，我使用API调用来获取一些数据，'mydata‘DataFrame是按日期索引的一列数据。
mydata = Quandl.get(["YAHOO/INDEX_MXX.4"],
trim_start="2001-04-01", trim_end="2014-03-31",
collapse
浏览 1提问于2014-10-07得票数 26
回答已采纳
1回答
根据标题，我试图组合来自不同cudf.DataFrame列的行值。以下代码适用于标准pandas.DataFrame
import pandas as pd
data = {'a': [1], 'b': [2], 'c': [3], 'd': [4]}
df = pd.DataFrame.from_dict(data)
def f(row):
return {'dictfromcolumns': [row['a'], row['b'], row['c'],
浏览 18提问于2022-09-23得票数 0
回答已采纳
为什么Pandas.DataFrame中的float64值123456789.0会转换为123456792.0，只保留7位有效数字？
import pandas as pd
df = pd.DataFrame([123456789.0])
# 0
# 0 123456789.0
df = df.astype('float32')
# 0
# 0 123456792.0
浏览 3提问于2019-11-30得票数 0
我有一个包含'geometry'列的geopandas df。显然，'geometry'列是geopandas dfs中的一个特殊列。我可以将BaseGeometry或None值添加到'geometry'列。 gdf
name ... geometry
0 Storages_0 ... POINT (9.34153 47.90014)
1 Storages_1 ... POINT (12.48775 48.04216)
2 Storages_2 .
浏览 78提问于2021-08-27得票数 0
回答已采纳
正如标题所说，我正在尝试将我的DataFrame标签转换为datetime类型。在下面尝试的解决方案中，我将标签从DataFrame拉到dates_index，并尝试使用函数DatetimeIndex.to_datetime将它们转换为datetime，但是，我的编译器说DatetimeIndex没有to_datetime属性。 dates_index = df.index[0::]
dates = DatetimeIndex.to_datetime(dates_index) 我也尝试过使用pandas.to_datetime函数。 dates = pandas.to_datetime(da
浏览 57提问于2020-06-13得票数 1
回答已采纳
Hello! This is a CSV table.我尝试将CSV输出与Pyhton相结合来创建甘特图。CSV文件中的每一列都表示一个日期和时间，例如start1是小时和start2 -分钟。之后，我使用pd.to_datetime(data["start1"], format="%H")进行适当的格式化。start2也是如此。问题是:如何在pandas DataFrame中组合这两列，以获得"%H-%M"格式的一列？比如数据“start”。下面是data.head() output and代码： import numpy as np
imp
浏览 41提问于2021-08-24得票数 0
回答已采纳
我对Pandas Series的天真方法需要一些指点。我有，1，Pandas，DataFrame，和，两个人，。左边的表是timestamp，标题是Time1，右边的是Time2；我的新DataFrame两者都有。
在这一步中，我使用帮助函数g()和f()比较两个g()列
df['date_error'] = g(df['Time1'], df['Time2'])
工作助手函数g()比较两个datetime值：
def g(newer,older):
value = newer > older
return value
这为
浏览 1提问于2017-03-05得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
实时音视频活动推荐
腾讯云开发者
