Python Pandas Index.astype()

Python是一种进行数据分析的伟大语言，主要是因为以数据为中心的Python包的奇妙生态系统。Pandas就是这些包中的一个，它使导入和分析数据变得更加容易。

Pandas Index.astype()函数创建了一个索引，其值被转换成dtypes。一个新的索引的类别由dtype决定。当转换不可能时，会产生一个ValueError异常。

语法: Index.astype(dtype, copy=True)

参数 :
dtype : numpy dtype 或 pandas type
copy : 默认情况下，astype总是返回一个新分配的对象。如果copy被设置为False，并且满足dtype的内部要求，则原始数据被用来创建一个新的索引，或者返回原始索引。

示例#1：使用Index.astype()函数将索引的数据类型从float改为整数类型。

# importing pandas as pd
import pandas as pd
   
# Creating the Index
df=pd.Index([17.3, 69.221, 33.1, 15.5, 19.3, 74.8, 10, 5.5])
  
print("Dtype before applying function: \n", df)
  
print("\nAfter applying astype function:")
# Convert df datatype to 'int64'
df.astype('int64')

输出 :

示例#2：使用Index.astype()函数将给定Index的数据类型改为字符串形式。

# importing pandas as pd
import pandas as pd
   
# Creating the Index
df=pd.Index([17.3, 69.221, 33.1, 15.5, 19.3, 74.8, 10, 5.5])
  
print("Dtype before applying function: \n", df)
  
print("\nAfter applying astype function:")
# Convert df datatype to 'int64'
df.astype('str')

输出 :

例子#3：让我们用index.astype()方法做一些有趣的事情。

观察这个DataFrame。

设置’Number’列作为索引。

# importing pandas module  
import pandas as pd 
    
# reading csv file from url  
data = pd.read_csv("https://media.geeksforgeeks.org/wp-content/uploads/nba.csv") 
     
# dropping null value columns to avoid errors 
data.dropna(inplace = True) 
  
# Setting Number column as index
data = data.set_index('Number')
  
# Setting index as None
data.index.names = [None]
data.head(5)

输出:

现在，让我们把索引转换为整数。

# applying astype on index
data.index.astype('int64')

输出: