Pandas 如何在包含 NaN 值的 DataFrame 中使用astype方法|极客教程

Pandas 如何在包含 NaN 值的 DataFrame 中使用astype方法

在数据处理和分析中，经常会遇到需要转换数据类型的情况。Pandas 提供了非常方便的方法 .astype() 来实现这一功能。然而，在处理包含 NaN（Not a Number，非数字）值的数据时，.astype() 的使用需要更加小心，以避免数据转换错误或数据丢失。本文将详细介绍如何在包含 NaN 值的 DataFrame 中使用 .astype() 方法，并提供多个示例代码来展示不同情况下的数据类型转换。

1. 基本用法

在 pandas 中，.astype() 方法用于转换 Series 或 DataFrame 的数据类型。基本语法如下：

DataFrame.astype(dtype, copy=True, errors='raise')

dtype：可以是单一数据类型，也可以是字典，用于指定要转换的类型。
copy：是否创建原数据的副本。
errors：错误处理方式，默认为 ‘raise’，表示转换错误时抛出异常。

示例代码 1：基本的类型转换

import pandas as pd
import numpy as np

data = {'col1': ['1', '2', '3', '4', 'pandasdataframe.com']}
df = pd.DataFrame(data)
df['col1'] = df['col1'].astype(int)
print(df)

示例代码 2：转换带有 NaN 的列

import pandas as pd
import numpy as np

data = {'col1': ['1', np.nan, '3', '4', 'pandasdataframe.com']}
df = pd.DataFrame(data)
df['col1'] = df['col1'].astype(float)  # NaN 与 float 兼容
print(df)

2. 处理 NaN 值的类型转换

当 DataFrame 中包含 NaN 值时，直接转换为整数类型会引发错误，因为 NaN 是浮点类型。这种情况下，可以先转换为合适的浮点类型，或者使用 pandas 的 Nullable integer 类型。

示例代码 3：转换为浮点数

import pandas as pd
import numpy as np

data = {'col1': ['1', np.nan, '3', 'pandasdataframe.com']}
df = pd.DataFrame(data)
df['col1'] = df['col1'].astype(float)
print(df)

示例代码 4：使用 Nullable integer 类型

import pandas as pd
import numpy as np

data = {'col1': ['1', np.nan, '3', 'pandasdataframe.com']}
df = pd.DataFrame(data)
df['col1'] = df['col1'].astype('Int64')  # 使用 Pandas 的 Nullable integer 类型
print(df)

3. 使用字典进行多列类型转换

当需要同时转换多个列的数据类型时，可以使用字典将列名映射到新的数据类型。

示例代码 5：字典映射转换类型

import pandas as pd
import numpy as np

data = {
    'col1': ['1', '2', '3', 'pandasdataframe.com'],
    'col2': [np.nan, '1.1', '2.2', '3.3']
}
df = pd.DataFrame(data)
df = df.astype({'col1': 'int', 'col2': 'float'})
print(df)

4. 错误处理

使用 .astype() 方法时，可以通过 errors 参数来控制错误处理的行为。例如，如果转换过程中遇到无法转换的数据，可以选择忽略这些错误。

示例代码 6：忽略错误

import pandas as pd
import numpy as np

data = {'col1': ['1', 'two', '3', 'pandasdataframe.com']}
df = pd.DataFrame(data)
df['col1'] = df['col1'].astype(float, errors='ignore')
print(df)

Output:

Pandas 如何在包含 NaN 值的 DataFrame 中使用astype方法

5. 性能考虑

在大数据集上进行数据类型转换时，性能可能成为一个考虑因素。使用 .astype() 方法通常比较快，但是如果数据集非常大，转换过程可能会消耗较多时间和内存。

示例代码 7：大数据集的类型转换

import pandas as pd
import numpy as np

data = {'col1': ['1'] * 1000000 + ['pandasdataframe.com']}
df = pd.DataFrame(data)
df['col1'] = df['col1'].astype(float)
print(df)