pandas如何转换数据类型|极客教程

pandas如何转换数据类型

在数据处理过程中，经常会遇到需要将某一列的数据类型转换成另一种类型的情况。特别是在使用pandas进行数据分析时，正确的数据类型能够提高性能、减小内存占用，并且避免一些潜在的问题。本文将详细介绍pandas中如何转换数据类型的方法，包括将字符串转换成数值、日期类型的转换、以及自定义转换方法等。

将字符串转换成数值类型

在实际数据处理中，经常会遇到需要将字符串类型转换成数值类型的情况。可以使用astype()方法将字符串转换成数值类型。下面是一个示例代码：

import pandas as pd

data = {'A': ['1', '2', '3', '4', '5'],
        'B': ['5.1', '6.2', '7.3', '8.4', '9.5']}
df = pd.DataFrame(data)

print("数据类型转换前：")
print(df.dtypes)

df['A'] = df['A'].astype(int)
df['B'] = df['B'].astype(float)

print("数据类型转换后：")
print(df.dtypes)

运行结果如下：

数据类型转换前：
A    object
B    object
dtype: object

数据类型转换后：
A      int32
B    float64
dtype: object

可以看到，通过astype()方法将A列的数据类型从object转换成int，将B列的数据类型从object转换成float。

日期类型的转换

在处理时间序列数据时，经常会需要将字符串类型的日期转换成pandas的日期时间类型。可以使用pd.to_datetime()方法将字符串转换成日期时间类型。下面是一个示例代码：

data = {'date': ['2022-01-01', '2022-01-02', '2022-01-03'],
        'value': [10, 20, 30]}

df = pd.DataFrame(data)
df['date'] = pd.to_datetime(df['date'])

print(df.dtypes)

运行结果如下：

date     datetime64[ns]
value             int64
dtype: object

可以看到，通过pd.to_datetime()方法将date列的数据类型从object转换成datetime64[ns]。

自定义转换方法

除了上述方法外，还可以使用apply()方法自定义转换函数来实现对数据类型的转换。下面是一个示例代码，将字符串类型的金额数据转换成浮点型数据：

data = {'amount': ['100.00', '200.00', '300.00']}

df = pd.DataFrame(data)

def convert_to_float(s):
    return float(s)

df['amount'] = df['amount'].apply(convert_to_float)

print(df.dtypes)

运行结果如下：