本篇是pandas100个骚操作的第一篇：变量类型自动转换

　　在用pandas进行数据清洗的过程中，变量的类型转换是一个必然会遇到的步骤。清洗初期查看dtypes经常出现object类型，但其实变量本身可能就是个字符串，或者是数字(但因存在空值，导致出现了object类型)。

　　通常大家所熟知的方法是使用astype进行类型转换，或者自己利用astype造个轮子，写个函数方法实现自动转换类型。

　　本次介绍一个pandas里可实现自动转换变量类型的方法convert_dtypes。利用它可以一次性全部转换为最理想的类型。

　　一、使用方法

　　默认情况下，convert_dtypes将尝试将Series或DataFrame中的每个Series转换为支持的dtypes。它可以对Series和DataFrame都直接使用。

　　这个方法的参数如下。

　　# 是否应将对象dtypes转换为最佳类型

　　infer_objects bool，默认为True

　　# 对象dtype是否应转换为StringDtype()

　　convert_string bool，默认为True

　　# 如果可能，是否可以转换为整数扩展类型

　　convert_integer bool，默认为True

　　# 对象dtype是否应转换为BooleanDtypes()

　　convert_boolean bool，默认为True

　　# 如果可能，是否可以转换为浮动扩展类型。

　　# 如果convert_integer也为True，则如果可以将浮点数忠实地转换为整数，则将优先考虑整数dtype

　　convert_floating bool，默认为True

　　二、实例

　　下面看个例子。

　　首先创建一组数据，通过dtype规定每个变量的类型。

　　df = pd.DataFrame(

　　{

　　"a": pd.Series([1, 2, 3], dtype=np.dtype("int32")),

　　"b": pd.Series(["x", "y", "z"], dtype=np.dtype("O")),

　　"c": pd.Series([True, False, np.nan], dtype=np.dtype("O")),

　　"d": pd.Series(["h", "i", np.nan], dtype=np.dtype("O")),

　　"e": pd.Series([10, np.nan, 20], dtype=np.dtype("float")),

　　"f": pd.Series([np.nan, 100.5, 200], dtype=np.dtype("float")),

　　}

　　)

　　DataFrame 变量类型转换

　　先从整个对dataframe操作开始。

　　>>> df

　　a b c d e f

　　0 1 x True h 10.0 NaN

　　1 2 y False i NaN 100.5

　　2 3 z NaN NaN 20.0 200.0

　　>>> df.dtypes

　　a int32

　　b object

　　c object

　　d object

　　e float64

　　f float64

　　dtype: object

　　通过结果可以看到，变量都是是创建时默认的类型。但其实变量是有整数、字符串、布尔的，其中有的还存在空值。

　　>>> dfn = df.convert_dtypes()

　　>>> dfn

　　a b c d e f

　　0 1 x True h 10

　　1 2 y False i100.5

　　2 3 z20 200.0

　　下面使用convert_dtypes进行转换。

　　>>> dfn.dtypes

　　a Int32

　　b string

　　c boolean

　　d string

　　e Int64

　　f Float64

　　dtype: object

　　变量类型已经转换为我们想要的了。

　　Series 变量类型转换

　　对Series的转换也是一样的。下面的Seires中由于存在nan空值所以类型为object。

　　s = pd.Series(["a", "b", np.nan])

　　>>> s

　　0 a

　　1 b

　　2 NaN

　　dtype: object

　　然后我们通过convert_dtypes成功转换为String。

　　>>> s.convert_dtypes()

　　0 a

　　1 b

　　2

　　dtype: string

　　如果未来增加了新类型，convert_dtypes方法也会同步更新，并支持新的变量类型。

上一篇

建指标、建联系、建用法，指标体系就这样做！

下一篇

pandas操作：JSON自动解析为DataFrame