如何更改 Pandas DataFrame 中的列資料類型？

更改 Pandas 中的列類型

在 pandas 中，有多個用於轉換 DataFrame 列類型的選項。具體方法如下：

1. to_numeric()

使用 to_numeric() 將包含非數字值的欄位轉換為數字型別（例如 float 或int)。

語法：

pd.to_numeric(series_or_column, errors='coerce'/'ignore')

文法：

df = pd.DataFrame([[1.2, 4.2], ['70', 0.03]])

df.columns = ['column_1', 'column_2']

# Convert 'column_2' to float
df['column_2'] = pd.to_numeric(df['column_2'], errors='coerce')

2. astype( >

使用astype()將欄位轉換為任何所需的資料類型，包括數字和物件

語法：

df.astype(dtype)

範例：

df['column_1'] = df['column_1'].astype(int)
df['column_2'] = df['column_2'].astype(float)

範例：

範例：

範例：

df.infer_objects()

範例：

# Create an object DataFrame
df = pd.DataFrame({'col1': [1, 2, 3], 'col2': ['a', 'b', 'c']}, dtype='object')

# Convert 'col1' to int
df['col1'] = df['col1'].infer_objects()

3. infer_objects()

在 pandas 0.21.0 中引入，infer_objects() 將物件列轉換為更具體的資料型態（例如整數或float)。

語法：

df.convert_dtypes(infer_objects=True/False)

範例：

# Convert object columns based on inferred types
df.convert_dtypes()

# Only convert object columns with explicit dtype information
df.convert_dtypes(infer_objects=False)

4. >

在pandas 1.0 中引入，convert_dtypes() 將列轉換為支援缺失的「最佳」資料類型語法：範例：範例：例如：範例：例如：範例：例如：範例：例如：範例：例如：範例：例如>這些方法提供了用於更改列的靈活選項pandas DataFrame 中的型別。根據您的特定數據和要求選擇最合適的方法。

以上是如何更改 Pandas DataFrame 中的列資料類型？的詳細內容。更多資訊請關注PHP中文網其他相關文章！