pandas dtype和dtype有什么不同？
pandas中的dtype和dtype是两个不同的概念。
- dtype（数据类型）：dtype是数据类型的缩写，用于表示数据在内存中的存储方式。在pandas中，dtype用于描述Series或DataFrame中的列的数据类型。常见的数据类型包括整数（int）、浮点数（float）、字符串（object）、布尔值（bool）等。通过指定dtype，可以有效地控制数据在内存中的存储方式，提高数据处理的效率和准确性。
- dtype（数据帧类型）：dtype是pandas库中的一个数据结构，用于表示数据帧（DataFrame）中的列的数据类型。数据帧是pandas中最常用的数据结构，类似于Excel中的表格，由多个列组成。每个列都有一个特定的数据类型，可以通过dtype属性来查看列的数据类型。
综上所述，pandas中的dtype用于描述数据帧中列的数据类型，而dtype是数据类型的缩写，用于表示数据在内存中的存储方式。这两个概念在pandas中都起到了重要的作用，帮助我们更好地理解和处理数据。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云产品：云数据库 TencentDB、云服务器 CVM、云原生应用引擎 TKE、云存储 COS、人工智能 AI Lab等。
- 产品介绍链接地址：您可以访问腾讯云官方网站（https://cloud.tencent.com/）了解更多关于腾讯云产品的详细信息。
相关·内容
1回答
我试图计算数组的std，我尝试使用numpy和pandas来查找std，但是我实现的是不符合逻辑的，对于同一个数组我有两个不同的std！
为什么会发生这种事？
>>> import numpy as np
>>> import pandas as pd
>>> a = np.arange(10)+1
>>> a
array([ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10])
>>> a.std()
2.8722813232690143
>>> b = p
浏览 1提问于2019-10-26得票数 2
回答已采纳
我正在对pandas DataFrame创建进行基准测试，发现它比numpy ndarray创建更昂贵。
基准代码
from timeit import Timer
setup = """
import numpy as np
import pandas as pd
"""
numpy_code = """
data = np.zeros(shape=(360,),dtype=[('A', 'f4'),('B', 'f4'),('C',
浏览 4提问于2014-10-24得票数 1
回答已采纳
把熊猫版本升级到1.0.4，我就看到了这个例外。有什么建议吗？
AttributeError: module 'pandas.core.dtypes.common' has no attribute 'is_datetimelike'
我的代码看起来像
if pd.core.dtypes.common.is_datetimelike(column)
我在运行"pip install“时没有看到错误
"pandas.api.types.is_datetime64_dtype“和"pandas.api.types.is_datetime64_
浏览 4提问于2020-06-17得票数 0
回答已采纳
2回答
不知道这里有什么问题..。我想要的是这个系列中的第一个也是唯一的元素。
>>> a
1 0-5fffd6b57084003b1b582ff1e56855a6!1-AB8769635...
Name: id, dtype: object
>>> len (a)
1
>>> type(a)
<class 'pandas.core.series.Series'>
>>> a[0]
Traceback (most recent call last):
File "<pys
浏览 1提问于2017-07-13得票数 4
回答已采纳
1回答
行和列在本质上是否与数据对象相同？例如，在以下方面：
import pandas as pd
df = pd.DataFrame([
{"Title": "Titanic", "ReleaseYear": 1997, "Director": "James Cameron"},
{"Title": "Spider-Man", "ReleaseYear": 2002, "Director": "Sam Raimi"}
浏览 2提问于2020-08-16得票数 2
回答已采纳
我有一个用例，我认为这个用例很常见，所以我认为我的这个问题应该很容易回答，但是我在任何地方都找不到答案。请考虑以下几点。
df = pandas.DataFrame({"id": numpy.random.choice(range(100), 5, replace=False),
"value": numpy.random.rand(5)})
df2 = pandas.DataFrame([df["id"], df["value"]*2]).T
基本上，我正在创建一个DataFrame
浏览 4提问于2016-02-09得票数 3
回答已采纳
想象一下，我有一个pandas.Dataframe，类似于：
x = DataFrame({ 'a': [7,6,8,0,2,5],
'b': [3,4,5,6,7,8],
'c': [3,8,5,6,0,1]}, index=[1,2,3,4,5,6])
然后，我有一个pandas.Series，它为每个键提供了一个我想要选择的特定索引：
y = Series([4,1,6], index=['a','b','c'])
有什么办法可以用最好的熊猫方法
浏览 2提问于2015-05-17得票数 3
回答已采纳
1回答
对于pandas的字典格式的数据，如果有任何值超出了68 & 72的范围，我如何标记数据集( pandas数据框中的列)？
df = pd.DataFrame(dict(a=[71.5,72.8,79.3],
b=[70.2,73.3,74.9],
c=[63.1,64.9,65.9],
d=[70.1,70.4,70.9]))
我尝试做的是创建一个单独的pandas数据框，如果有任何数据超出了68和72的范围，就创建一个单独的pandas数据框架。
浏览 0提问于2018-03-17得票数 1
在调用pandas数据框上的dtype属性时，输出的最后一行通常是dtype: object。例如： In [1]: import pandas as pd
In [2]: df = pd.DataFrame({'numbers':100,'floats': 5.75,'name':'Jill'},index=['a'])
In [3]: df.dtypes
Out[3]:
numbers int64
floats float64
name object
dtype: object 输出中的dtype:
浏览 44提问于2020-09-10得票数 1
回答已采纳
我使用pandas pd.read_csv()在读取时使用转换器函数读取和处理一列字符串列。我把'object‘作为数据类型，但是字符串会更节省空间。
我能以某种方式说服pd.read_csv()从一开始就让'string‘类型的列出现吗？我知道以后如何转换，但这可能会成为内存问题，数据集很大。
f = lambda x: "/".join(x.split('/')[1:5])
pd.read_csv(..., convertes={'path':f}, ...)
I use pandas 1.0.3 and python
浏览 24提问于2020-05-08得票数 0
1回答
我正在处理一个CSV格式的大型数据集。我正在尝试一列一列地处理数据，然后将数据附加到HDF文件中的框架中。所有这些都是用Pandas来完成的。我的动机是，虽然整个数据集比物理内存大得多，但列大小是可管理的。在稍后阶段，我将一个一个地将列加载回内存并对它们进行操作，从而执行按特性进行的逻辑回归。
我能够创建一个新的HDF文件，并使用第一列创建一个新的框架：
hdf_file = pandas.HDFStore('train_data.hdf')
feature_column = pandas.read_csv('data.csv', usecols=[0])
hd
浏览 3提问于2013-12-06得票数 10
回答已采纳
在使用reindex_like和相关功能时，我对Pandas Series对象之间的区别感到困惑。例如，考虑以下Series对象：
>>> import numpy
>>> import pandas
>>> series = pandas.Series([1, 2, 3])
>>> x = pandas.Series([True]).reindex_like(series).fillna(True)
>>> y = pandas.Series(True, index=series.index)
>
浏览 0提问于2012-11-29得票数 0
回答已采纳
当试图在Featuretools中添加两个实体之间的关系时，会出现以下错误
Unable to add relationship because ID in metadata is Pandas `dtype category` and ID in transactions is Pandas `dtype category`
注意，该系列不一定是相同的cat.Codes
浏览 2提问于2018-09-25得票数 0
回答已采纳
5回答
所以我从NOAA读取了一个站点代码csv文件，它看起来像这样：
"USAF","WBAN","STATION NAME","CTRY","FIPS","STATE","CALL","LAT","LON","ELEV(.1M)","BEGIN","END"
"006852","99999","SENT","SW","SZ",&#
浏览 1提问于2013-06-05得票数 9
我正在尝试从一个DataFrame蒙面数组创建一个Pandas DataFrame，据我所知，这是一个受支持的操作。这是源数组的一个示例：
a = ma.array([(1, 2.2), (42, 5.5)],
dtype=[('a',int),('b',float)],
mask=[(True,False),(False,True)])
其产出如下：
masked_array(data=[(--, 2.2), (42, --)],
mask=[( True, False), (Fal
浏览 8提问于2021-07-26得票数 1
回答已采纳
1回答
我需要编写一个Python生成器，生成来自两个不同CSV文件的元组(X，Y)。
它应该接收init上的批处理大小，从两个CSV逐行读取，为每一行生成一个元组(X，Y)，其中X和Y是数组(CSV文件的列)。
我看过懒散阅读的例子，但我发现很难将它们转换为CSV：
而且，不幸的是，在这种情况下，Pandas Dataframes不是一种选择。
有什么我可以开始的片段吗？
谢谢
浏览 1提问于2016-07-26得票数 13
回答已采纳
当我将pandas.NaT转换为字符串时，结果有时是"nan"而不是"NaT"。
我很抱歉，但我无法在一个MWE与示例数据再现这一点。也许这取决于DataFrame的大小？我正在使用pandas==1.3.0。
我创建了一个包含日期时间对象的列的字符串表示形式，其中一些对象是NaT，如下所示：
df['X'] = df.ZEIT_VON.apply(str)
让我们看看结果
>>> df_roh.loc[60:63, ['ZEIT_VON', 'X']]
ZEIT_VON X
60
浏览 4提问于2022-02-16得票数 0
回答已采纳
在Pandas中，你似乎可以做到这两点中的任何一种：
age_is_null = pd.isnull(titanic_survival["age"])
age_is_null = titanic_survival["age"].isnull()
似乎两者都存在: Pandas模块中的函数和Dataframe类中的方法(在另一个模块中)。
来自Obj-C背景，这是令人困惑的。为什么两者都需要呢？
浏览 0提问于2017-04-09得票数 1
我目前正在使用，我希望在dataframe中选择没有任何实体属性的所有数据条目。
df_ = df.loc[df['entities'] != None]
看起来挺好的，但是
df_ = df.loc[df['entities'] is not None]
将引发KeyError，这是
文件"pandas_libs\index.pyx"，第107行，>pandas._libs.index.IndexEngine.get_loc文件"pandas_libs\index.pyx"，第128行，>pandas._libs.
浏览 0提问于2019-08-27得票数 5
我有潘达斯v0.24+，我正在浏览：
通过尝试读取带有nan值的Integer列，我得到了通常的值错误。
ValueError:整数列在第33列中有NA值
这是因为整数类型不能处理NA值。问题是，我实际上不知道我的csv的数据类型-我仍然希望熊猫‘推断’他们是什么。它是否可以在默认情况下使用Int64而不是int64来做到这一点，这样它就不会在进程中停止和抱怨NA值了吗？
编辑:这就是发生的事情
df = pd.read_csv(file)
然后
Traceback (most recent call last):
File "<input>",
浏览 5提问于2020-12-13得票数 3
3回答
我正在处理分类数据的大型DataFrames，我发现当我在两个数据帧上使用pandas.merge时，分类数据的任何列都会自动向上转换为更大的数据类型。(这会极大地增加RAM消耗。)下面是一个简单的例子来说明：
编辑:制作了一个更合适的示例
import pandas
import numpy
df1 = pandas.DataFrame(
{'ID': [5, 3, 6, 7, 0, 4, 8, 2, 9, 1, 6, 5, 4, 9, 7, 2, 1, 8, 3, 0],
'value1': pandas.Categorical(num
浏览 1提问于2015-03-26得票数 13
我在pandas中创建了一个TimeSeries：
In [346]: from datetime import datetime
In [347]: dates = [datetime(2011, 1, 2), datetime(2011, 1, 5), datetime(2011, 1, 7),
.....: datetime(2011, 1, 8), datetime(2011, 1, 10), datetime(2011, 1, 12)]
In [348]: ts = Series(np.random.randn(6), index=dates)
In [349]: ts
浏览 0提问于2015-03-23得票数 97
回答已采纳
假设我有像d = [dict(animal='cat', weight=5), dict(animal='dog', weight=20)]这样的数据(基本上是JSON，其中所有条目都具有一致的数据类型)。 在Pandas中，您可以使用df = pandas.DataFrame(d)创建一个表--有什么可以与普通的NumPy记录数组相媲美的吗？np.rec.fromrecords(d)似乎没有提供我想要的东西。
浏览 4提问于2014-07-17得票数 13
3回答
这是一个有点宽泛的话题，但我将尝试把它缩小到一些具体的问题上。
在开始回答有关这样的问题时，我发现自己有时在制作玩具数据时遇到这样一个愚蠢的错误：
In[0]:
import pandas as pd
df = pd.DataFrame({"values":[1,2,3,4,5,6,7,8,9]})
df[df < 5] = np.nan
Out[0]:
NameError: name 'np' is not defined
我习惯于用numpy自动导入pandas，所以在实际代码中通常不会发生这种情况。然而，这确实让我想知道为什么pandas没有自
浏览 2提问于2020-06-20得票数 6
回答已采纳
因此，pandas.read_csv的默认参数dtype是None。这是干什么的，它与dtype=str有什么不同？
它可以推断列类型吗？
浏览 0提问于2018-05-01得票数 1
回答已采纳
1回答
汇总类别变量时超出了最大递归深度
、、、、
当尝试获取每个级别的pandas系列类别的计数时，我得到一个'maximum recursion depth exceeded‘错误
产生错误的代码示例如下：
vs = pd.Series([0,0,0,1,1,1,1,1]).astype('category')
tn = pd.Series.value_counts(vs)
print(tn[0])
print(tn[1])
产生错误的部分是对tn的调用。调用tn1不会产生这样的错误。如果我添加更多的级别，我可以调用下一个级别，但tn总是返回错误。这段代码有什么问题？我使用的是Python 3.7.4和Pandas
浏览 12提问于2020-02-27得票数 1
回答已采纳
pandas.Series.map和pandas.Series.replace似乎都给出了相同的结果。有理由使用其中一个而不是另一个吗？例如：
import pandas as pd
df = pd.Series(['Yes', 'No'])
df
0 Yes
1 No
dtype: object
df.replace(to_replace=['Yes', 'No'], value=[True, False])
0 True
1 False
dtype: bool
df.map({'Yes&
浏览 2提问于2020-07-17得票数 9
回答已采纳
背景
让我们想想，有一个价值列表，显示一个人的活动长达几个小时。那个人在那个时候没有任何动静。因此，所有的值都是0。
提出了什么问题？
在Google上搜索，我发现了以下的偏度公式。同样的公式也适用于其他一些网站。在分母部分，标准偏差(SD)包括在内。对于类似的非零值列表(例如，1，1，1)和0值(即0，0，0)，SD将为0。因此，我应该得到NaN (除以0)的偏斜度。令人惊讶的是，我在调用pandas.DataFrame.skew()时得到0。
我的问题
为什么当值列表的SD为0时，pandas.DataFrame.skew()返回0？
最小可重现性示例
import pandas
浏览 6提问于2022-01-14得票数 0
回答已采纳
所以我有一个DataFrames列表。当我试图添加它们时，我得到：
pandas.errors.InvalidIndexError: Reindexing only valid
with uniquely valued Index objects
但是，我的索引是唯一的，例如：
dfList[0].index
Index(['5560654070'], dtype='object')
fList[1].index
Index(['5562221068'], dtype='object')
当append()或concat()都给
浏览 2提问于2021-04-29得票数 10
回答已采纳
我的pandas.DataFrame有太多的列数。
我打电话给：
In [2]: X.dtypes
Out[2]: VAR_0001 object
VAR_0002 int64
...
VAR_5000 int64
VAR_5001 int64
我不能理解我在VAR_0002和VAR_5000之间有什么类型的数据
它可以是int64、int8、float64等等。我在这个原生类型的pandas.DataFrame中看到了，但我认为这是错误的信息。我怎么才能得到这个呢？
浏览 0提问于2015-09-02得票数 9
回答已采纳
2回答
我似乎无法理解<M8ns和日期时间格式之间的区别在于这些操作与为什么会工作或不工作有什么关系。
import pandas as pd
import datetime as dt
import numpy as np
my_dates = ['2021-02-03','2021-02-05','2020-12-25', '2021-12-27','2021-12-12']
my_numbers = [100,200,0,400,500]
df = pd.DataFrame({'a':m
浏览 1提问于2021-07-17得票数 0
1回答
我想得到我的pandas.DataFrame的每一列的pandas.DataFrame。
这是我的代码：
import pandas as pd
import numpy as np
prices = pd.DataFrame([[-0.33333333, -0.25343423, -0.1666666667],
[+0.23432323, +0.14285714, -0.0769230769],
[+0.42857143, +0.07692308, +0.1818181818]])
print(p
浏览 2提问于2013-12-06得票数 3
回答已采纳
1回答
object似乎区分了str和Numpy类型。例如，我可以这样做：
>>> import pandas as pd
>>> import numpy as np
>>> np.dtype(str)
dtype('S')
>>> np.dtype(object)
dtype('O')
其中数据类型(‘S’)和数据类型(‘O’)分别对应于str和object。
然而，熊猫似乎缺乏这种区别，并迫使str改为object。:：
>>> df = pd.DataFrame({'
浏览 2提问于2016-01-19得票数 33
回答已采纳
假设我有一个dataframe，并且希望将数据类型设置为所有列，就像我调用read_csv方法一样。为了简单起见，同样的错误，TypeError: object of type 'type' has no len()给出了这段代码：
df = pd.DataFrame([1,2,2,3], columns = ['num'], dtype={'num':int})
这里有什么问题，怎么让它工作呢？
全错误堆栈：
TypeError Traceback (most recent cal
浏览 2提问于2019-08-19得票数 4
回答已采纳
我有一个非常简单的系列。 pd.Series(np.random.randn(10), dtype=np.int32) 我想强制使用dtype，但是pandas会否决我的初始设置： Out[6]:
0 0.764638
1 -1.451616
2 -0.318875
3 -1.882215
4 1.995595
5 -0.497508
6 -1.004066
7 -1.641371
8 -1.271198
9 0.907795
dtype: float64 我知道我能做到： pd.Series(np.random.randn(10), dtyp
浏览 16提问于2021-07-15得票数 0
回答已采纳
我有一个包含整数的pandas.Series，但是对于一些下游工具，我需要将它们转换为字符串。因此，假设我有一个Series对象：
import numpy as np
import pandas as pd
x = pd.Series(np.random.randint(0, 100, 1000000))
在StackOverflow和其他网站上，我看到大多数人认为最好的方法是：
%% timeit
x = x.astype(str)
这大约需要2秒。
当我使用x = x.apply(str)时，它只需0.2秒。
为什么x.astype(str)这么慢？推荐的方法应该是x.apply(st
浏览 1提问于2018-03-19得票数 30
回答已采纳
我多次尝试运行以下代码。输出有时是'True‘(我所期望的)，有时是'False’。sublime有什么问题吗？我用jupyter notebook测试了一下，结果总是'True‘。 import pandas as pd
df = pd.DataFrame({'a':[1,2,3]})
print(df.dtypes.isin(['int64'])) 如果我打印df.dtypes，输出总是'int64‘。 print(df.dtypes)
>> a int64
dtype: object Pytho
浏览 11提问于2019-01-26得票数 0
回答已采纳
在使用输出.root文件的Geant4进行模拟时，我很高兴地发现了uproot包。
我相信数据帧是完成特定分析任务的最佳选择，所以我使用uproot.pandas.df()将TTree中的内容读取到这样的数据帧中。
不幸的是，这最终成为了一个瓶颈。虽然代码可以很好地处理所有数字输入，但处理字符串似乎是一个严重的问题。该文件非常大，生成的帧有2406703行。
而这段代码(Egamma和z_eu都是数字)：
df = uproot.open('rootFile.root')['seco_tuple;1].pandas.df( ['Egamma','
浏览 18提问于2019-11-19得票数 1
我有一个熊猫DataFrame，它有一个列"date_col“的日期字符串。我希望对列中的日期字符串将抛出一个DataFrame (如果由numpy.datetime64解析)的所有行进行numpy.datetime64筛选。我要找的东西是：
bad_rows = df[numpy.datetime64(df["date_col"]) is False]
除了检查False之外，我还想检查是否引发了ValueError。有什么方法可以在熊猫DataFrame中进行这种过滤吗？
我试着做以下几件事：
df = pd.DataFrame({"date_col"
浏览 0提问于2015-12-10得票数 2
3回答
一个朋友给我发了这个虚拟代码，为了做一个简单的密码：
chaine1="abcdefghijklmnopqrstuvwxyz"
chaine2="abcdefghijklmnopqrstuvwxyz"
list1=list(chaine1)
list2=list(chaine2)
rnd.shuffle(list2)
code=pd.DataFrame({"Key": list1, "Value" : list2})
他设法找回了一封这样的信：
a = code.loc[code['Key'] == 'a&
浏览 3提问于2017-09-18得票数 2
回答已采纳
我很惊讶地发现pandas.DatetimeTZDtype与numpy.dtype("O")相比是相等的。 >>> numpy.dtype("O") == pandas.DatetimeTZDtype
True 我在一个单元测试中遇到了这个问题，测试意外地通过了。 这是期望的等价性，还是应该被认为是一个bug？我无法在DatetimeTZDtype documentation中找到它的文档，也无法在pandas或numpy中的问题中找到对它的描述；但它可能是某些(历史)设计考虑的副作用。
浏览 15提问于2021-07-08得票数 0
我是Python和Pandas的新手。
我有一个很大的DataFrame，我在它上面运行value_counts来检查输出，如下所示：
df['Remaining'].value_counts().sort_index()
下面是输出，你可以看到50.0出现了两次，一次是6817，一次是4次。我试着在保留df['Remaining'] == 50的时候导出输出，看看有什么不同，但实际上没有什么不同。我做错了什么吗？
-225.0 2
-200.0 4
-150.0 14
-125.0 7
-100.0
浏览 0提问于2019-08-10得票数 1
我花了很多时间来处理Pandas，它使用numpy数组来存储数字。
在我的用例中，永远不应该有任何NaN值--它们表明出了一些问题(通常是与Pandas相关的混乱，例如不正确地连接数据格式、加载严重的数据等等)。
如果Pandas或Numpy有一个设置可以立即发出警告(如果数据文件中的任何系列中都会出现NaN值)，这将是很有帮助的。(这个问题不是关于NaN的替换或归责。(只是警告。)
是的，每个阶段都可以编写大量的本地检查(do this thing. Now check whether you created NaNs. Do this other thing. Check again wh
浏览 5提问于2017-07-26得票数 4
我有一个n x m的pandas数据帧和一个长度为g的pandas序列。我如何根据索引将数据帧按序列划分？
到目前为止，我已经将序列与数据帧合并，并简单地将一个单元格除以另一个单元格。
谢谢
浏览 17提问于2016-07-29得票数 0
回答已采纳
根据，pandas.read_csv允许我为CSV文件中的列指定一个dtype。
d类型：列->类型的类型名称或dict，对于数据或列默认无数据类型。例如{‘a’：np.float64，‘b’：np.int32} (引擎=‘python’不支持)。使用str或object来保存而不是解释dtype。
若要将每一列视为文本数据，我可以使用
df = pandas.read_csv(... , dtype=str)
或
df = pandas.read_csv(..., dtype=object)
据我所知，这两种方法的行为总是完全相同的。这两种方法是否有不同行为的情况？如果是的话，
浏览 2提问于2016-05-17得票数 6
回答已采纳
我不明白为什么使用dtype=str创建的系列结果如下：
In [2]: pandas.Series(index=range(2), dtype=str)
Out[2]:
0 NaN
1 NaN
dtype: object
但是使用DataFrame创建的dtype=str结果如下：
In [3]: pandas.DataFrame(index=range(2), columns=[0], dtype=str)
Out[3]:
0
0 n
1 n
为什么只有字母"n“的字符串？
为什么系列赛和DataFrame有这样的区别？
这些文件在哪里？！
浏览 2提问于2015-02-05得票数 4
回答已采纳
2回答
我正在尝试读取csv文件，其中一些行可能丢失了大块数据。
当您指定dtype时，这似乎会导致熊猫read_csv函数出现问题。问题似乎是，为了从str转换到dtype指定的任何东西，熊猫只是尝试直接将它抛出。因此，如果有什么东西丢失了，事情就会崩溃。
下面是一个MWE (这个MWE使用StringIO来代替一个真正的文件；但是，这个问题也发生在使用一个真正的文件时)
import pandas as pd
import numpy as np
import io
datfile = io.StringIO("12 23 43| | 37| 12.23| 71.3\n12 23 55|
浏览 3提问于2016-06-03得票数 2
回答已采纳
考虑一个数组 a = np.array([5, 12, 56, 36]) 和一个熊猫数据帧 b = pandas.DataFrame(np.array([1, 3, 0, 3, 1, 0, 2]) 如何通过将其值用作a的索引来替换b上的值，即预期的值为： c = pandas.DataFrame([12, 36, 5, 36, 12, 5, 56]) 我不太明白这一点。
浏览 10提问于2019-04-20得票数 1
回答已采纳
1回答
我正在写一个大型excel文件，类似于下面的博客。
post是关于将对象类型列转换为类别类型的。这减少了数据文件的内存使用量。
我正在处理一个88 MB的excel文件。在遵循代码中提到的步骤之后，我能够将df的大小缩小到28 MB。问题是当我将它写入csv文件时，文件大小为193 MB，比原来的csv文件要多。
问题:是什么导致记忆错配，如何克服？提前谢谢。
import pandas as pd
df=pd.read_excel('games_log.csv')
df.info(memory_usage='deep')
def mem_usage(pa
浏览 0提问于2019-07-29得票数 0
回答已采纳
为什么Pandas强迫我的numpy float32在这段代码中使用float64：
>>> import pandas as pd
>>> import numpy as np
>>> df = pd.DataFrame([[1, 2, 'a'], [3, 4, 'b']], dtype=np.float32)
>>> A = df.ix[:, 0:1].values
>>> df.ix[:, 0:1] = A
>>> df[0].dtype
dtype
浏览 1提问于2016-02-05得票数 7
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
