pandas astype int64|极客笔记

pandas astype int64

在数据处理和分析中，经常需要对数据的类型进行转换，以满足数据分析或机器学习模型的需求。Pandas 是 Python 中一个强大的数据处理库，它提供了丰富的数据结构和操作方法，能够方便地处理和分析数据。本文将详细介绍如何使用 Pandas 的 astype 方法将数据帧（DataFrame）中的数据类型转换为 int64。

1. 引入 Pandas 库

在开始操作之前，我们需要确保已经安装了 Pandas 库，并在代码中进行引入。

import pandas as pd

2. 创建数据帧

首先，我们创建一个简单的数据帧，用于后续的类型转换示例。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

print(df)

Output:

pandas astype int64

3. 使用 astype 转换数据类型

示例 1: 转换单列

将 age 列的数据类型从 object 转换为 int64。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

df['age'] = df['age'].astype('int64')
print(df)

Output:

pandas astype int64

示例 2: 转换多列

同时将 age 和 income 列的数据类型从 object 转换为 int64。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

df[['age', 'income']] = df[['age', 'income']].astype('int64')
print(df)

Output:

pandas astype int64

示例 3: 检查转换后的数据类型

转换类型后，我们可以检查数据帧的数据类型确保转换正确。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

print(df.dtypes)

Output:

pandas astype int64

示例 4: 处理转换错误

当存在无法转换为整数的数据时，使用 astype 可能会导致错误。我们可以通过错误处理来避免程序中断。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

try:
    df['age'] = df['age'].astype('int64')
except ValueError as e:
    print(f"Conversion error: {e}")

示例 5: 使用字典进行转换

可以使用字典指定多列转换为不同的数据类型。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

df = df.astype({'age': 'int64', 'income': 'float64'})
print(df)

Output:

pandas astype int64

示例 6: 转换并创建新列

在转换类型的同时，创建一个新的列来存储转换后的数据。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

df['age_int'] = df['age'].astype('int64')
print(df)

Output:

pandas astype int64

示例 7: 使用条件转换

只有当列中的数据满足某些条件时才进行类型转换。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

df.loc[df['age'].apply(lambda x: x.isnumeric()), 'age'] = df['age'].astype('int64')
print(df)

Output:

pandas astype int64

示例 8: 处理空值

在转换类型前处理 DataFrame 中的空值。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

df.fillna(0, inplace=True)
df['age'] = df['age'].astype('int64')
print(df)

Output:

pandas astype int64

示例 9: 使用自定义函数进行转换

使用自定义函数来处理数据，然后转换类型。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

def convert_to_int(x):
    try:
        return int(x)
    except:
        return 0

df['age'] = df['age'].apply(convert_to_int).astype('int64')
print(df)

Output:

pandas astype int64

示例 10: 转换时保留原始 DataFrame

在转换类型时，创建一个新的 DataFrame 来存储转换后的数据，保留原始 DataFrame 不变。

import pandas as pd

data = {'name': ['Alice', 'Bob', 'Charlie'],
        'age': ['25', '30', '35'],
        'income': ['50000', '60000', '70000']}
df = pd.DataFrame(data)

new_df = df.copy()
new_df['age'] = new_df['age'].astype('int64')
print(new_df)

Output:

pandas astype int64