Ricerca…


Osservazioni

i dtypes non sono nativi dei panda. Sono il risultato di un accoppiamento architettonico dei panda vicino a Numpy.

il dtype di una colonna non deve in alcun modo correlare al tipo python dell'oggetto contenuto nella colonna.

Qui abbiamo un pd.Series con float. Il dtype sarà float .

Quindi usiamo astype per "lanciarlo" su oggetto.

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

Il dtype è ora oggetto, ma gli oggetti nell'elenco sono ancora mobili. Logico se sai che in python tutto è un oggetto e può essere upcasted per oggetto.

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

Qui proviamo a "lanciare" i float alle stringhe.

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

Il dtype è ora oggetto, ma il tipo di voci nell'elenco sono stringhe. Questo perché numpy non ha a che fare con le stringhe e quindi agisce come se fossero solo oggetti e di nessun interesse.

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

Non fidatevi dei dtypes, sono un artefatto di un difetto architettonico nei panda. Specificate come necessario, ma non fare affidamento su quale dtype è impostato su una colonna.

Verifica dei tipi di colonne

I tipi di colonne possono essere controllati da .dtypes atrribute di DataFrames.

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

Per una singola serie, puoi usare .dtype attributo .dtype .

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

Cambiare i dtypes

astype() metodo astype() cambia il dtype di una serie e restituisce una nuova serie.

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

Cambia il tipo di colonna A in float e il tipo di colonna B in intero:

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() metodo astype() è per la conversione del tipo specifico (cioè è possibile specificare .astype(float64') , .astype(float32) o .astype(float16) ). Per la conversione generale, è possibile utilizzare pd.to_numeric , pd.to_datetime e pd.to_timedelta .

Cambiando il tipo in numerico

pd.to_numeric cambia i valori in un tipo numerico.

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

Per impostazione predefinita, pd.to_numeric genera un errore se un input non può essere convertito in un numero. È possibile modificare tale comportamento utilizzando il parametro errors .

# 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

Se necessario, controlla tutte le righe con input non può essere convertito in numerico usa boolean indexing con 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

Modifica del tipo in data / ora

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]

Si noti che il 2.1.2011 viene convertito al 1 ° febbraio 2011. Se si desidera invece il 2 gennaio 2011, è necessario utilizzare il parametro dayfirst .

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

Cambiando il tipo in timedelta

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

Selezione delle colonne in base al dtype

select_dtypes metodo select_dtypes può essere utilizzato per selezionare le colonne in base al dtype.

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

Con i parametri di include ed exclude puoi specificare quali tipi desideri:

# 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

Riassumendo i dtypes

get_dtype_counts metodo get_dtype_counts può essere utilizzato per vedere una ripartizione dei dtypes.

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


Modified text is an extract of the original Stack Overflow Documentation
Autorizzato sotto CC BY-SA 3.0
Non affiliato con Stack Overflow