Python之pandas：數據類型變換之object、category、bool、int32、int64、float64以及數據類型標準化之詳細攻略

?

?

?

?

?

目錄

數據類型變換之object、category、bool、int32、int64、float64以及數據類型標準化

知識點

1、category類型與object類型

輸出結果

實現代碼

---

?

?

?

?

推薦文章
???????Python之pandas：在pandas中創建category類型數據的幾種方法之詳細攻略
ML之FE：將dataframe中的數據類型進行標準化

數據類型變換之object、category、bool、int32、int64、float64以及數據類型標準化

知識點

在pandas中，如果某個字段下，數據類型不一致導致整個字段類型不相同，可以進行字段類型轉換！，在pandas中，進行數據類型轉換非常簡單，只需要使用astype函數即可！

?

1、category類型與object類型

?	object類型(python中)	category類型(pandas中特有)
簡介	? ? ? python是面向對象的語言。在python里面，一切皆為對象。 在python中， object類型，一般表示文本類型數據。 有些難以被自動判別的數據類型，或者由不止一種數據類型組成；由于Python一切皆對象，因此都會被處理為最寬泛的"對象"也就是object類型數據。 其實，在數據分析中，有時候會遇到某個字段的數據類型與初始設置的不相符，此時，就要去分析是否是數據不規整造成的。	category是 pandas 的一種數據類型，對應著被統計的變量。它實際上是動態枚舉的一種形式。如果某個字段的內容中，其可能值的范圍是固定且有限的，則category類型數據最為適用； category是由固定的且有限數量的變量組成的。比如：性別、血型、等級等； category類型數據的每一個元素的值，要么是預設好的類型中的某一個，要么是空值（np.nan）； 在比較大的數據集中，可以通過使用category類型數據來加快速度！
屬性	具有object類型數據的基本屬性。	.describe() .cat.categories　　 .cat.rename_categories　　 .value_counts() .str 屬性　　 pd.concat union_categoricals 　　 內存使用量
轉換	df["col"].astype(‘category‘)

?

?

?

?

輸出結果

?

?

實現代碼

import pandas as pd import numpy as npcontents={"name": ['Bob', 'LiSa', 'Mary', 'Alan'],"ID": [1, 2, ' ', None], # 輸出 NaN"age": [np.nan, 28, 38 , '' ], # 輸出 "age02": [14, 26, 24 , 6], "born": [pd.NaT, pd.Timestamp("1990-01-01"), pd.Timestamp("1980-01-01"), ''], # 輸出 NaT"sex": ['男', '女', '女', None,], # 輸出 None"hobbey":['打籃球', '打羽毛球', '打乒乓球', '',], # 輸出 "money":[200.0, 240.0, 290.0, 300.0], # 輸出"weight":[140.5, 120.8, 169.4, 155.6], # 輸出"test01":[1, 2.123456789, 3.123456781011126, 4.123456789109999], # 輸出"test02":[1, 2.123456789, 3.123456781011126, 4.123456789109999], # 輸出} data_frame = pd.DataFrame(contents)print('Init-------------------------------') print(data_frame.dtypes) print(data_frame)# 將dataframe格式中的數據類型轉為object數據類型 data_frame['test02'] = data_frame['test02'].astype('object') # 關鍵字bool，'object'、'category'、str data_frame['test02'] = data_frame['test02'].apply(str) data_frame.to_excel("data_demo.xls")print('after astype-------------------------------') print(data_frame.dtypes) print(data_frame) data_frame_temp=data_frame.copy()# ML之FE：將dataframe中的數據類型進行標準化 print('after Categorical-------------------------------') data_frame=cols2DfCatAndNum(data_frame) print(data_frame.dtypes)

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

?

總結

以上是生活随笔為你收集整理的Python之pandas：数据类型变换之object、category、bool、int32、int64、float64以及数据类型标准化之详细攻略的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。