更改數(shù)據(jù)類型

更改數(shù)據(jù)類型教師：亢華愛北京信息職業(yè)技術(shù)學(xué)院商務(wù)數(shù)據(jù)分析與應(yīng)用專業(yè)教學(xué)資源庫(kù)目錄Contents明確指定數(shù)據(jù)的類型概述通過astype()方法強(qiáng)制轉(zhuǎn)換數(shù)據(jù)的類型通過to_numeric()函數(shù)轉(zhuǎn)換數(shù)據(jù)類型1PART概述概述在處理數(shù)據(jù)時(shí)，可能會(huì)遇到數(shù)據(jù)類型不一致的問題。例如，通過爬蟲采集到的數(shù)據(jù)都是整型的數(shù)據(jù)，在使用數(shù)據(jù)時(shí)希望保留兩位小數(shù)點(diǎn)，這時(shí)就需要將數(shù)據(jù)的類型轉(zhuǎn)換成浮點(diǎn)型。針對(duì)這種問題，既可以在創(chuàng)建Pandas對(duì)象時(shí)明確指定數(shù)據(jù)的類型，也可以使用astype()方法和to_numberic()函數(shù)進(jìn)行轉(zhuǎn)換2PART明確指定數(shù)據(jù)的類型創(chuàng)建Pandas數(shù)據(jù)對(duì)象時(shí)，如果沒有明確地指岀數(shù)據(jù)的類型，則可以根據(jù)傳入的數(shù)據(jù)推斷出來(lái)，并且通過dtypes屬性進(jìn)行查看。In[19]：importpandasaspd

df=pd.DataFrame({'A'：['5'，'6'，'7']，'B'：['3'，'2'，'1']})df.dtypes#查看數(shù)據(jù)的類型Out[19]：AobjectBobjectdtype：object明確指定數(shù)據(jù)的類型創(chuàng)建一個(gè)Series對(duì)象，并查看其數(shù)據(jù)的類型，具體代碼如下還可以在創(chuàng)建Pandas對(duì)象時(shí)明確地指定數(shù)據(jù)的類型，即在使用構(gòu)造方法創(chuàng)建對(duì)象時(shí)，使用dtype參數(shù)指定數(shù)據(jù)的類型，示例代碼如下In[20]：importpandasaspd#創(chuàng)建DataFrame對(duì)象，數(shù)據(jù)的類型為intdf=pd.DataFrame({'A'：['5'，'6'，'7']，'B'：['3'，'2'，'1']}，

dtype='int')df.dtypesOut[20]：A int32B int32dtype：object明確指定數(shù)據(jù)的類型3PART通過astype()方法強(qiáng)制轉(zhuǎn)換數(shù)據(jù)的類型通過astype()方法強(qiáng)制轉(zhuǎn)換數(shù)據(jù)的類型參數(shù)含義通過astype()方法可以強(qiáng)制轉(zhuǎn)換數(shù)據(jù)的類型，其語(yǔ)法格式如下：astype(dtype，copy=True，errors='raise'，**kwargs)(1)dtype：表示數(shù)據(jù)的類型。(2)copy：是否建立副本，默認(rèn)為True。(3)errors：錯(cuò)誤采取的處理方式，可以取值為raise或ignore，默認(rèn)為raiseo其中，raise表示允許引發(fā)異常，ignore表示抑制異常。首先，創(chuàng)建一個(gè)DataFrame對(duì)象，并且使用dtypes屬性查看數(shù)據(jù)的類型，具體代碼如下In[21]：importpandasaspddf=pd.DataFrame({'A'：['1'，'1.2'，'4.2']，'B'：['-9'，'70'，'88']，'C'：['x'，'5.0'，'0']})df.dtypesOut[21]：A objectB objectC objectdtype：

object從輸出結(jié)果看出，所有數(shù)據(jù)的類型均為object通過astype()方法強(qiáng)制轉(zhuǎn)換數(shù)據(jù)的類型然后，將B列數(shù)據(jù)的類型轉(zhuǎn)換為int類型，實(shí)現(xiàn)對(duì)指定列的數(shù)據(jù)進(jìn)行類型轉(zhuǎn)換，示例代碼如下In[22]：df['B'].astype(dtype='int') #強(qiáng)制轉(zhuǎn)換為int類型Out[22]：

0

-9170288Name：B，dtype：int32需要注意的是，這里并沒有將所有列進(jìn)行類型轉(zhuǎn)換，主要是因?yàn)镃列中有非數(shù)字類型的字符，無(wú)法將其轉(zhuǎn)換為int類型，若強(qiáng)制轉(zhuǎn)換會(huì)出現(xiàn)ValueError異常通過astype()方法強(qiáng)制轉(zhuǎn)換數(shù)據(jù)的類型4PART通過to_numeric()函數(shù)轉(zhuǎn)換數(shù)據(jù)類型參數(shù)含義to_numeric()函數(shù)可以將傳入的參數(shù)轉(zhuǎn)換為數(shù)值類型，其語(yǔ)法格式如下pandas.to_numeric(arg，errors='raise'，downcast=None)(1)arg：表示要轉(zhuǎn)換的數(shù)據(jù)，可以是list、tuple、Series。(2)errors：錯(cuò)誤采取的處理方式。astype()方法雖然可以轉(zhuǎn)換數(shù)據(jù)的類型，但是它存在著一些局限性，只要待轉(zhuǎn)換的數(shù)據(jù)中存在數(shù)字以外的字符，在使用astype()方法進(jìn)行類型轉(zhuǎn)換時(shí)就會(huì)出現(xiàn)錯(cuò)誤，而to_numericO函數(shù)的出現(xiàn)正好解決了這個(gè)問題通過to_numeric()函數(shù)轉(zhuǎn)換數(shù)據(jù)類型接下來(lái)，通過一個(gè)示例來(lái)演示如何將只包含數(shù)字的字符串轉(zhuǎn)換為數(shù)字類型，具體代碼如下In[23]：importpandasaspdser_obj=pd.Series(['1'，'1.2'，'4.2'])ser_objOut[23]：0 11 1.22 4.2dtype：objectIn[24]：#轉(zhuǎn)換object類型為float類型pd.to_numeric(ser_obj，errors='raise')Out[24]：0 1.01 1.22 4.2dtype：float64注意：to_numeric()函數(shù)是不能直接操作D