Python之pandas:数据类型变换之object、category、bool、int32、int64、float64以及数据类型标准化之详细攻略
Python之pandas:数据类型变换之object、category、bool、int32、int64、float64以及数据类型标准化之详细攻略
目录
数据类型变换之object、category、bool、int32、int64、float64以及数据类型标准化
知识点
1、category类型与object类型
输出结果
实现代码
推荐文章
Python之pandas:在pandas中创建category类型数据的几种方法之详细攻略
ML之FE:将dataframe中的数据类型进行标准化
数据类型变换之object、category、bool、int32、int64、float64以及数据类型标准化
知识点
在pandas中,如果某个字段下,数据类型不一致导致整个字段类型不相同,可以进行字段类型转换!,在pandas中,进行数据类型转换非常简单,只需要使用astype函数即可!
1、category类型与object类型
object类型(python中) | category类型(pandas中特有) | |
简介 |
python是面向对象的语言。在python里面,一切皆为对象。 在python中,
|
|
属性 | 具有object类型数据的基本属性。 |
|
转换 | df["col"].astype(‘category‘) |
输出结果
实现代码
import pandas as pd
import numpy as npcontents={"name": ['Bob', 'LiSa', 'Mary', 'Alan'],"ID": [1, 2, ' ', None], # 输出 NaN"age": [np.nan, 28, 38 , '' ], # 输出 "age02": [14, 26, 24 , 6], "born": [pd.NaT, pd.Timestamp("1990-01-01"), pd.Timestamp("1980-01-01"), ''], # 输出 NaT"sex": ['男', '女', '女', None,], # 输出 None"hobbey":['打篮球', '打羽毛球', '打乒乓球', '',], # 输出 "money":[200.0, 240.0, 290.0, 300.0], # 输出"weight":[140.5, 120.8, 169.4, 155.6], # 输出"test01":[1, 2.123456789, 3.123456781011126, 4.123456789109999], # 输出"test02":[1, 2.123456789, 3.123456781011126, 4.123456789109999], # 输出}
data_frame = pd.DataFrame(contents)print('Init-------------------------------')
print(data_frame.dtypes)
print(data_frame)# 将dataframe格式中的数据类型转为object数据类型
data_frame['test02'] = data_frame['test02'].astype('object') # 关键字bool,'object'、'category'、str
data_frame['test02'] = data_frame['test02'].apply(str)
data_frame.to_excel("data_demo.xls")print('after astype-------------------------------')
print(data_frame.dtypes)
print(data_frame)
data_frame_temp=data_frame.copy()# ML之FE:将dataframe中的数据类型进行标准化
print('after Categorical-------------------------------')
data_frame=cols2DfCatAndNum(data_frame)
print(data_frame.dtypes)
Python之pandas:数据类型变换之object、category、bool、int32、int64、float64以及数据类型标准化之详细攻略相关推荐
- Python之pandas:特征工程中数据类型(object/category/bool/int32/int64/float64)的简介、数据类型转换四大方法、案例应用之详细攻略
Python之pandas:特征工程中数据类型(object/category/bool/int32/int64/float64)的简介.数据类型转换四大方法.案例应用之详细攻略 目录 特征工程中数据 ...
- Python之pandas:pandas中常见的数据类型转换四大方法以及遇到的一些坑之详细攻略
Python之pandas:pandas中常见的数据类型转换四大方法以及遇到的一些坑之详细攻略 目录 pandas中常见的数据类型转换方法 T1.读取时直接转换数据类型 T2.采用astype
- Python之pandas:对pandas中dataframe数据中的索引输出、修改、重命名等详细攻略
Python之pandas:对pandas中dataframe数据中的索引输出.修改.重命名等详细攻略 目录 对pandas中dataframe数据中的索引输出.修改.重命名等详细攻略 知识点学习 输 ...
- Python之sklearn:GridSearchCV()和fit()函数的简介、具体案例、使用方法之详细攻略
Python之sklearn:GridSearchCV()和fit()函数的简介.具体案例.使用方法之详细攻略 目录 GridSearchCV()和fit()函数的使用方法 GridSearchCV( ...
- Python语言学习之图表可视化:python语言中可视化工具包的简介、安装、使用方法、经典案例之详细攻略
Python语言学习之图表可视化:python语言中可视化工具包的简介.安装.使用方法.经典案例之详细攻略 目录 python语言中可视化工具包的简介 python语言中可视化工具包的安装 pytho ...
- Python之 sklearn:sklearn.preprocessing中的StandardScaler函数的简介及使用方法之详细攻略
Python之 sklearn:sklearn.preprocessing中的StandardScaler函数的简介及使用方法之详细攻略 目录 sklearn.preprocessing中的Stand ...
- Python语言学习之字母S开头函数使用集锦:set/sys/super用法之详细攻略
Python语言学习之字母S开头函数使用集锦:set/sys/super用法之详细攻略 set用法 set顾名思义是集合,里面不能包含重复的元素,接收一个list作为参数 list1=[1,2,3,4 ...
- Py之urllib2:Python库之urllib、urllib2、urllib3系列简介、安装、使用方法之详细攻略
Py之urllib2:Python库之urllib.urllib2.urllib3系列简介.安装.使用方法之详细攻略 目录 urllib2简介 urllib2安装 urllib2使用方法 urllib ...
- Python之pip:pip包管理工具的简介、安装、使用方法之详细攻略
Python之pip:pip包管理工具的简介.安装.使用方法之详细攻略 目录 pip的简介 pip的安装 1.测试pip是否已安装 T1.代码查询 T2.自行查询
最新文章
- 人脸检测对齐--Joint Face Detection and Alignment using Multi-task Cascaded Convolutional Networks
- 苹果免费Mac OS X和办公软件动了谁的奶酪
- BLE-NRF51822教程5-静态密码设置
- 节能原理 复习(能量平衡+热电联产+联合循环)
- RMAN 的备份保留策略
- 网络与IO知识扫盲(一):Linux虚拟文件系统,文件描述符,IO重定向
- UFLDL 教程学习笔记(三)自编码与稀疏性
- JSON-B非对称属性绑定
- 关于表情符号与UTF-8的探讨
- YurunOAuthLogin v2.0.2,第三方 OAuth2 授权一把梭
- Docker-构建/启停容器镜像及常用命令介绍
- Axure 免费UI元件库
- C语言_写简易吃豆人小游戏
- PowerBuilder2017
- “私域”和“会员制”有什么区别?
- linux的makefile -I(大写i)-L(大写l)-l(小写l)
- 好消息:GAX/GAT February 2008 Final Release
- 2022 年 GIS 就业状况
- RED GIANT-2023版本更新内容介绍
- UNITY设计一款简单的3d射击小游戏(虚拟现实大作业)