Pandas中astype() 方法
在 Pandas 中,astype()
方法用于将 DataFrame 或 Series 的数据类型(dtype
)转换为指定的数据类型。它是数据类型转换的常用方法,支持将列转换为多种类型,比如整数、浮点数、字符串、布尔值等。
astype()
的语法
DataFrame.astype(dtype, copy=True, errors='raise')
参数说明
-
dtype
(必需参数):- 目标数据类型,可以是单一类型(如
'int'
、'float'
),也可以是字典形式指定列类型(如{列名: 类型}
)。 - 支持的类型包括:
- 标准类型:
int
,float
,str
,bool
, 等。 - Numpy 类型:
numpy.int32
,numpy.float64
等。 - Pandas 类型:
category
,datetime64
等。
- 标准类型:
- 示例:
- 单列转换:
astype('int')
。 - 多列转换:
astype({'col1': 'int', 'col2': 'float'})
。
- 单列转换:
- 目标数据类型,可以是单一类型(如
-
copy
(可选参数,默认为True
):- 是否返回数据的副本。如果为
False
,则尽量避免复制原始数据。
- 是否返回数据的副本。如果为
-
errors
(可选参数,默认为'raise'
):'raise'
:如果转换失败,会抛出错误。'ignore'
:如果转换失败,不会报错,原数据保持不变。
常见使用场景
1. 转换单列的数据类型
将单个列转换为指定数据类型。
import pandas as pd# 示例数据
data = {'A': ['1', '2', '3'], 'B': ['4.5', '5.5', '6.5']}
df = pd.DataFrame(data)# 转换列 A 为整数
df['A'] = df['A'].astype(int)# 转换列 B 为浮点数
df['B'] = df['B'].astype(float)print(df.dtypes)
输出:
A int64
B float64
dtype: object
2. 转换多列的数据类型
可以通过字典同时为多列指定不同的数据类型。
df = pd.DataFrame({'A': ['1', '2', '3'],'B': ['True', 'False', 'True']
})# 同时转换多列
df = df.astype({'A': 'int', 'B': 'bool'})
print(df.dtypes)
输出:
A int64
B bool
dtype: object
3. 转换为分类数据(category
)
category
类型对于具有重复值的列可以显著节省内存。
df = pd.DataFrame({'A': ['apple', 'banana', 'apple', 'orange']})# 转换为分类类型
df['A'] = df['A'].astype('category')
print(df.dtypes)# 查看分类信息
print(df['A'].cat.categories)
输出:
A category
dtype: object
Index(['apple', 'banana', 'orange'], dtype='object')
4. 处理转换错误
当某列的值不能成功转换时,可以通过 errors='ignore'
避免抛出错误。
df = pd.DataFrame({'A': ['1', '2', 'three']})# 转换时忽略错误
df['A'] = df['A'].astype(int, errors='ignore')
print(df)
输出:
A
0 1
1 2
2 three
5. 转换为日期时间(datetime64
)
astype()
也可用于转换为日期时间类型,但更推荐使用 pd.to_datetime()
。
df = pd.DataFrame({'A': ['2024-01-01', '2024-02-01']})# 转换为日期类型
df['A'] = df['A'].astype('datetime64[ns]')
print(df.dtypes)
输出:
A datetime64[ns]
dtype: object
6. 转换为布尔类型
可以将 0、1 或字符串转换为布尔值。
df = pd.DataFrame({'A': [0, 1, 0, 1]})# 转换为布尔类型
df['A'] = df['A'].astype(bool)
print(df.dtypes)
输出:
A bool
dtype: object
注意事项
-
转换失败时的错误处理:
- 默认情况下(
errors='raise'
),如果某些值不能成功转换,会抛出错误。 - 如果希望忽略错误,可以设置
errors='ignore'
。
- 默认情况下(
-
丢失精度:
- 将浮点数转换为整数时,可能会丢失精度。例如:
如果列df['A'] = df['A'].astype(int)
A
包含小数,将抛出错误。
- 将浮点数转换为整数时,可能会丢失精度。例如:
-
避免数据拷贝:
- 如果只需要修改原数据类型而不创建副本,可以设置
copy=False
,但需谨慎操作,防止意外修改原数据。
- 如果只需要修改原数据类型而不创建副本,可以设置
-
处理空值(NaN):
- 如果列包含空值,将数据类型转换为整数可能失败,因为空值默认是浮点类型。
总结
astype()
是 Pandas 中用于类型转换的重要方法,适用于大多数类型的转换需求。- 通过字典形式可以一次性为多个列指定类型。
- 使用
errors='ignore'
可以避免因为数据问题导致的转换失败。 - 对于复杂的类型转换(如日期时间),建议结合
pd.to_datetime()
等专用方法使用。