如何在熊猫DataFrame中按列设置类型
如何在熊猫DataFrame中按列设置类型
提问于 2014-09-01 17:27:36
我想把一些数据带到熊猫DataFrame中，我想为导入的每一列指定dtype。我希望能够对具有许多不同列的较大数据集这样做，但是，作为一个例子：
myarray = np.random.randint(0,5,size=(2,2))
mydf = pd.DataFrame(myarray,columns=['a','b'], dtype=[float,int])
mydf.dtypes在以下方面的成果：
TypeError:数据类型不被理解
我尝试了其他一些方法，例如：
mydf = pd.DataFrame(myarray,columns=['a','b'], dtype={'a': int})TypeError:类型为“type”的对象没有len()
如果我使用dtype=(float,int)，它将浮点格式应用于两列。
最后，我只想给它传递一个数据类型列表，就像传递一个列名列表一样。
回答 4
Stack Overflow用户
回答已采纳
发布于 2019-06-05 18:48:31
对于熊猫版本0.24.2 (当前的稳定版本)，不可能将数据类型的显式列表作为docs状态传递给DataFrame构造函数：
dtype : dtype, default None
Data type to force. Only a single dtype is allowed. If None, infer但是，dataframe类确实有一个静态方法，允许您将numpy结构化数组转换为dataframe，以便您可以这样做：
>>> myarray = np.random.randint(0,5,size=(2,2))
>>> record = np.array(map(tuple,myarray),dtype=[('a',np.float),('b',np.int)])
>>> mydf = pd.DataFrame.from_records(record)
>>> mydf.dtypes
a float64
b int64
dtype: objectStack Overflow用户
发布于 2016-08-03 17:46:08
我刚碰到这个，熊猫的问题还没解决，所以我在发我的解决办法。假设df是我的DataFrame，而dtype是一个将列名映射到类型的dict：
for k, v in dtype.items():
df[k] = df[k].astype(v)(注意:在python 2中使用dtype.iteritems() )
供参考：
- 允许的数据类型列表(NumPy
dtypes)：https://docs.scipy.org/doc/numpy-1.12.0/reference/arrays.dtypes.html - 熊猫也支持其他类型的动物。例如，
category：http://pandas.pydata.org/pandas-docs/stable/categorical.html - 相关的GitHub问题：https://github.com/pandas-dev/pandas/issues/9287
Stack Overflow用户
发布于 2017-09-28 13:43:52
您可能希望尝试将Series对象的字典传递给DataFrame构造函数--它将为您提供对创建的更具体的控制，并希望能够更清楚地了解正在发生的事情。模板版本(data1可以是数组等)：
df = pd.DataFrame({'column1':pd.Series(data1, dtype='type1'),
'column2':pd.Series(data2, dtype='type2')})并以数据为例：
df = pd.DataFrame({'A':pd.Series([1,2,3], dtype='int'),
'B':pd.Series([7,8,9], dtype='float')})
print (df)
A B
0 1 7.0
1 2 8.0
2 3 9.0
print (df.dtypes)
A int32
B float64
dtype: object页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/25610592
复制相关文章
相似问题
腾讯云开发者
