前言
pandas库计算数据常常需要先预处理,修改数据的类型. 常用的方法有astype, to_numeric,
to_datetime等函数方法.做个记录,方便下次使用.
函数和范例
在Pandas中,有几种方法可以修改数据类型:
1. `astype()`方法
使用`astype()`方法可以将一列数据转换为指定的数据类型。例如,可以将一个整数列转换为浮点数列,或者将一个字符串列转换为日期时间列。示例代码如下:
import pandas as pd
df = pd.DataFrame({'col1': [1,2,3], 'col2': [4,5,6]})
# 转数值
df['col1'] = df['col1'].astype(float)
# 转字符串
df['col2'] = df['col2'].astype(str)
"""
col1 col2
0 1.0 4
1 2.0 5
2 3.0 6
"""
2. `to_numeric()`方法
使用`to_numeric()`方法可以将一列数据转换为数值类型。如果某列包含非数值字符,可以使用该方法将其转换为NaN或指定的错误值。示例代码如下:
import pandas as pd
df = pd.DataFrame({'col1': ['1', '2', '3'], 'col2': ['4', '5', 'x']})
# 转数值
df['col1'] = pd.to_numeric(df['col1'], errors='coerce')
df['col2'] = pd.to_numeric(df['col2'], errors='ignore')
"""
col1 col2
0 1 4
1 2 5
2 3 x
"""
3. `to_datetime()`方法
使用`to_datetime()`方法可以将一列数据转换为日期时间类型。
如果某列包含日期时间字符串,可以使用该方法将其转换为Pandas的日期时间对象。示例代码如下:
import pandas as pd
df = pd.DataFrame({'date': ['2021-01-01', '2021-02-01', '2021-03-01', '2023-10-26 10:27:03']})
# 时间 有多种时间格式的情况下 format='mixed' 或 "ISO8601"
df['time'] = pd.to_datetime(df['date'], format='ISO8601')
# 日期
df['date'] = df['time'].dt.date
print(df)
"""
date time
0 2021-01-01 2021-01-01 00:00:00
1 2021-02-01 2021-02-01 00:00:00
2 2021-03-01 2021-03-01 00:00:00
3 2023-10-26 2023-10-26 10:27:03
"""
这些是常用的方法,可以根据需要选择适合的方法来修改数据类型。
文章出处登录后可见!
已经登录?立即刷新