Python – 将Pandas DataFrame中的一种数据类型转换为另一种

在使用Python进行数据分析时，经常会使用到Pandas DataFrame，它是一种非常强大的工具，用于存储、处理和分析数据。然而，有时候我们需要将DataFrame中的一种数据类型转换为另一种数据类型。这时，Pandas提供了一些强大的方法，可以帮助我们轻松地完成这个任务。

更多Pandas相关文章，请阅读：Pandas 教程

数据类型

在Pandas DataFrame中，有多种数据类型，包括整数、浮点数、布尔值、字符串等。下面是一个示例DataFrame：

import pandas as pd

df = pd.DataFrame({
    'name': ['Alice', 'Bob', 'Charlie', 'David'],
    'age': [25, 30, 35, 40],
    'height': [165.0, 175.5, 180.0, 185.5],
    'is_married': [False, True, True, False]
})

在这个DataFrame中，name列包含字符串，age列包含整数，height列包含浮点数，is_married列包含布尔值。我们可以通过dtypes属性查看每列所对应的数据类型：

print(df.dtypes)

# 输出：
# name          object
# age            int64
# height       float64
# is_married      bool
# dtype: object

将数据类型转换为另一种

Pandas提供了astype()方法，可以将DataFrame中的一种数据类型转换为另一种数据类型。下面是一些示例：

将整数转换为浮点数

df['age'] = df['age'].astype('float')

将浮点数转换为整数

df['height'] = df['height'].astype('int')

将字符串转换为布尔值

df['is_married'] = df['is_married'].astype('bool')

将布尔值转换为整数

True会被转换为1，False会被转换为0。

df['is_married'] = df['is_married'].astype('int')

将对象转换为字符串

对象包括Python的任意对象，可以通过str()方法将其转换为字符串。

df['name'] = df['name'].astype('str')

处理缺失值

在数据分析中，经常会遇到缺失值的情况。Pandas提供了一些方法，可以帮助我们处理缺失值。

查找缺失值

可以使用isnull()方法查找DataFrame中的缺失值。

print(df.isnull())

# 输出：
#    name    age  height  is_married
# 0  False  False   False       False
# 1  False  False   False       False
# 2  False  False   False       False
# 3  False  False   False       False