pandas
जानकारी का प्रकार

टिप्पणियों

pd.Series([1.,2.,3.,4.,5.]).astype(object)
0    1
1    2
2    3
3    4
4    5
dtype: object

type(pd.Series([1.,2.,3.,4.,5.]).astype(object)[0])
float

pd.Series([1.,2.,3.,4.,5.]).astype(str)
0    1.0
1    2.0
2    3.0
3    4.0
4    5.0
dtype: object

type(pd.Series([1.,2.,3.,4.,5.]).astype(str)[0])
str

स्तंभों के प्रकारों की जाँच करना

स्तंभों के प्रकार द्वारा जाँच की जा सकती है .dtypes DataFrames की atrribute।

In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [1.0, 2.0, 3.0], 'C': [True, False, True]})

In [2]: df
Out[2]:
   A    B      C
0  1  1.0   True
1  2  2.0  False
2  3  3.0   True

In [3]: df.dtypes
Out[3]:
A      int64
B    float64
C       bool
dtype: object

एकल श्रृंखला के लिए, आप .dtype विशेषता का उपयोग कर सकते हैं।

In [4]: df['A'].dtype
Out[4]: dtype('int64')

Dtypes बदलना

astype() विधि किसी श्रृंखला की dtype को परिवर्तित करती है और एक नई श्रृंखला लौटाती है।

In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [1.0, 2.0, 3.0], 
                           'C': ['1.1.2010', '2.1.2011', '3.1.2011'], 
                           'D': ['1 days', '2 days', '3 days'],
                           'E': ['1', '2', '3']})
In [2]: df
Out[2]:
   A    B          C       D  E
0  1  1.0   1.1.2010  1 days  1
1  2  2.0   2.1.2011  2 days  2
2  3  3.0   3.1.2011  3 days  3

In [3]: df.dtypes
Out[3]:
A      int64
B    float64
C     object
D     object
E     object
dtype: object

स्तंभ A के प्रकार को नाव में बदलें, और स्तंभ B के प्रकार को पूर्णांक:

In [4]: df['A'].astype('float')
Out[4]:
0    1.0
1    2.0
2    3.0
Name: A, dtype: float64

In [5]: df['B'].astype('int')
Out[5]:
0    1
1    2
2    3
Name: B, dtype: int32

astype() विधि विशिष्ट प्रकार के रूपांतरण के लिए है (यानी आप .astype(float64') , .astype(float32) , या .astype(float16) निर्दिष्ट कर सकते हैं। सामान्य रूपांतरण के लिए, आप pd.to_numeric , pd.to_datetime और pd.to_timedelta उपयोग कर सकते हैं।

संख्यात्मक को प्रकार बदलना

pd.to_numeric मानों को संख्यात्मक प्रकार में बदलता है।

In [6]: pd.to_numeric(df['E'])
Out[6]:
0    1
1    2
2    3
Name: E, dtype: int64

डिफ़ॉल्ट रूप से, pd.to_numeric कोई त्रुटि उठाता है यदि इनपुट को किसी संख्या में परिवर्तित नहीं किया जा सकता है। आप errors पैरामीटर का उपयोग करके उस व्यवहार को बदल सकते हैं।

# Ignore the error, return the original input if it cannot be converted
In [7]: pd.to_numeric(pd.Series(['1', '2', 'a']), errors='ignore')
Out[7]:
0    1
1    2
2    a
dtype: object

# Return NaN when the input cannot be converted to a number
In [8]: pd.to_numeric(pd.Series(['1', '2', 'a']), errors='coerce')
Out[8]:
0    1.0
1    2.0
2    NaN
dtype: float64

अगर जरूरत इनपुट के साथ सभी पंक्तियों जाँच सांख्यिक उपयोग करने के लिए परिवर्तित नहीं किया जा सकता boolean indexing साथ isnull :

In [9]: df = pd.DataFrame({'A': [1, 'x', 'z'],
                           'B': [1.0, 2.0, 3.0],
                           'C': [True, False, True]})

In [10]: pd.to_numeric(df.A, errors='coerce').isnull()
Out[10]: 
0    False
1     True
2     True
Name: A, dtype: bool

In [11]: df[pd.to_numeric(df.A, errors='coerce').isnull()]
Out[11]: 
   A    B      C
1  x  2.0  False
2  z  3.0   True

टाइप को डेटाइम में बदलना

In [12]: pd.to_datetime(df['C'])
Out[12]:
0   2010-01-01
1   2011-02-01
2   2011-03-01
Name: C, dtype: datetime64[ns]

ध्यान दें कि 2.1.2011 को 1 फरवरी, 2011 में परिवर्तित कर दिया गया है। यदि आप इसके बजाय 2 जनवरी, 2011 को चाहते हैं, तो आपको dayfirst पैरामीटर का उपयोग करने की आवश्यकता है।

In [13]: pd.to_datetime('2.1.2011', dayfirst=True)
Out[13]: Timestamp('2011-01-02 00:00:00')

प्रकार बदलकर टाइमडेल्टा

In [14]: pd.to_timedelta(df['D'])
Out[14]:
0   1 days
1   2 days
2   3 days
Name: D, dtype: timedelta64[ns]

Dtype के आधार पर कॉलम का चयन करना

select_dtypes आधार पर कॉलम चुनने के लिए select_dtypes पद्धति का उपयोग किया जा सकता है।

In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [1.0, 2.0, 3.0], 'C': ['a', 'b', 'c'], 
                           'D': [True, False, True]})

In [2]: df
Out[2]: 
   A    B  C      D
0  1  1.0  a   True
1  2  2.0  b  False
2  3  3.0  c   True

exclude मापदंडों को include और exclude करना जिन्हें आप निर्दिष्ट कर सकते हैं कि आप कौन से प्रकार चाहते हैं:

# Select numbers
In [3]: df.select_dtypes(include=['number'])  # You need to use a list
Out[3]:
   A    B
0  1  1.0
1  2  2.0
2  3  3.0    

# Select numbers and booleans
In [4]: df.select_dtypes(include=['number', 'bool'])
Out[4]:
   A    B      D
0  1  1.0   True
1  2  2.0  False
2  3  3.0   True

# Select numbers and booleans but exclude int64
In [5]: df.select_dtypes(include=['number', 'bool'], exclude=['int64'])
Out[5]:
     B      D
0  1.0   True
1  2.0  False
2  3.0   True

संक्षेपण dtypes

get_dtype_counts विधि का उपयोग dtypes के टूटने को देखने के लिए किया जा सकता है।

In [1]: df = pd.DataFrame({'A': [1, 2, 3], 'B': [1.0, 2.0, 3.0], 'C': ['a', 'b', 'c'], 
                           'D': [True, False, True]})

In [2]: df.get_dtype_counts()
Out[2]: 
bool       1
float64    1
int64      1
object     1
dtype: int64