在pandas中更改数据类型不会更改df.info()
在pandas中，更改数据类型不会直接影响DataFrame的df.info()方法的结果。df.info()方法用于显示DataFrame的整体信息，包括每列的名称、非空值数量、数据类型等。
当我们使用pandas的方法来更改DataFrame中的数据类型时，实际上是创建了一个新的DataFrame对象，而原始的DataFrame对象并没有被直接修改。这意味着在更改数据类型后，df.info()方法仍然会显示原始DataFrame的数据类型信息，而不是更改后的数据类型。
要在pandas中更改DataFrame中的数据类型，可以使用astype()方法来将指定列的数据类型转换为指定的类型。例如，将某一列的数据类型从整数(int)转换为浮点数(float)可以使用以下代码：
df['column_name'] = df['column_name'].astype(float)除了astype()方法，还可以使用to_numeric()方法将数据类型转换为数值类型、to_datetime()方法将数据类型转换为日期时间类型等。
请注意，更改数据类型时需要确保所进行的转换是有效的，否则可能会引发错误。比如将包含非数字字符的列转换为数值类型，或者将无法解析为日期时间格式的字符串转换为日期时间类型。
此外，需要注意的是，当数据类型发生更改时，数据本身可能会被修改或截断。例如，将浮点数转换为整数时，小数部分将被舍弃。
在腾讯云的产品中，提供了一些与数据处理和分析相关的产品，可以在云计算环境中进行数据类型转换和处理，例如腾讯云的数据万象（Cloud Infinite）产品，可提供图片和音视频等多媒体数据处理服务。您可以在腾讯云的官方网站上查找有关该产品的详细信息和文档链接。
相关·内容
我正在从一个DataFrame文件中读取hdf5：
import pandas as pd
store = pd.HDFStore('some_file.h5')
df= store['df']
store.close()
使用info显示：
In [11]: df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 21423657 entries, 0 to 21423656
Data columns (total 5 columns):
date datet
浏览 2提问于2015-09-17得票数 1
回答已采纳
1回答
import logging
import pandas as pd
logger = logging.getLogger('train')
logger.setLevel(logging.DEBUG)
# Data
data = {'Name': ['Tom', 'nick', 'krish', 'jack'], 'Age': [20, 21, 19, 18]}
# Create DataFrame
df = pd.DataFrame(data)
logger.info(
浏览 34提问于2020-04-04得票数 1
回答已采纳
import pandas as pd
df = pd.read_csv('degrees-that-pay-back.csv')
clean_df = df.dropna()
clean_df['Starting Median Salary'].idxmax()
TypeError跟踪(最近一次调用)在() ->1 clean_df‘起薪中位数’..idxmax()
1帧/usr/local/lib/python3.7/dist-packages/pandas/core/nanops.py in _f(*args，**kwargs) 65 f_name
浏览 1提问于2022-01-17得票数 -1
2回答
正在尝试导入数据库表以使用Pandas进行数据分析。我有一个包含多个列的源表，如下所示：
ID float NOT NULL,
Name varchar(36) NOT NULL,
Address varchar(100)
当我把它拉到一个数据帧中并运行以下命令时：
df.info()
我得到了：
ID float64
Name object
Address object
有没有办法让它读取确切的数据定义？即"varchar(36)“而不是"object”。
这是从Teradata表中读取数据，如果有区别的话
谢谢
浏览 0提问于2018-04-03得票数 0
1回答
所以我习惯了数据库ETL。在SQL中，我创建表并设置字符长度、数据类型等。据我所知，pandas使用数据帧中所有内容的最大长度。如果您还在使用python，那也没问题，但是我需要显式地指定这些东西。
下面是一些基础代码，欢迎使用指针：
df=pd.Dataframe()
df['ID'] = some data probably i + 1
df['text'] = some text length set to max 255
浏览 2提问于2020-11-14得票数 2
5回答
看来dtype只为pandas.DataFrame.Series工作，对吗？是否有一个函数可以同时显示所有列的数据类型？
浏览 7提问于2016-11-01得票数 170
回答已采纳
1回答
我想创建一个包含空值的分类数据框架，并在扩展索引之前设置类别。索引非常大，我希望避免内存峰值，但我似乎无法做到这一点。
示例：
# memory spike
df = pd.DataFrame(index=list(range(0, 1000)), columns=['a', 'b'])
df.info(memory_usage='deep')
输出：
<class 'pandas.core.frame.DataFrame'>
Int64Index: 1000 entries, 0 to 999
Data column
浏览 13提问于2019-07-13得票数 0
回答已采纳
import pandas as pd
data = [['Alex',10],['Bob',12],['Clarke',13]]
df = pd.DataFrame(data,columns=['Name','Age'],dtype=float)
print df
在创建DataFrame时，我们将数据类型定义为float，但没有指定要将哪一列更改为float。我们让python根据值来决定是否有必要更改列数据类型。
只是想知道，在这种情况下，这仍然是严格强类型的吗？
谢谢!
浏览 43提问于2018-07-13得票数 1
回答已采纳
我正在Kaggle上试用泰坦尼克号的数据集。我使用dropna()来保持它的简单性，还删除了一些列。然而，当我调用TypeError()方法时，我得到了“fit: object of type 'CategoricalDtype‘has no len()”消息。
我尝试使用不同的分类器，但我得到了相同的错误。我猜我的数据准备过程中出了什么问题。
df = pd.read_csv('train.csv')
df.drop('PassengerId', axis=1, inplace=True)
df.drop('Ticket
浏览 2提问于2019-04-08得票数 1
3回答
数据集中有16个无效值。如何检测和删除具有这些无效值的行？对数据行进行均值或模式比删除行更有意义吗？ import numpy as np
import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
from pandas import read_csv
from sklearn.model_selection import train_test_split
from sklearn.model_selection import cross_val_score
from sklearn.model_sel
浏览 29提问于2020-09-06得票数 0
回答已采纳
1回答
我在excel中有8874行，当我在python中阅读并通过df.info或df.shape检查行数时，我得到混合answers.Shape命令给出7313，而info给出7313和8874。
示例1:
df.shape
(7313, 83)
示例2:
df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 7313 entries, 2 to 8874
Data columns (total 83 columns):
查看包括重复项、null等在内的行总数的实际命令是什么。
谢谢,
浏览 3提问于2019-10-24得票数 0
初始数据帧的.info <class 'pandas.core.frame.DataFrame'>
Int64Index: 2851191 entries, 0 to 3168737
Data columns (total 6 columns):
READ_TIME object
SVC_PT_ID float64
CUSTOMER_ID object
SIGNAL_NAME object
SIGNAL_DESCRIPTION object
VALUE
浏览 34提问于2020-04-19得票数 0
我想将来自dataframe.info的几个数据帧中的信息组合到一个表中，以便导出。
我认为最好的方法是将df1.info放入数组中，然后进行一些裁剪，这样就只剩下列和计数信息了。
下面是我想要在代码中做的大致工作：
import pandas as pd
files=["file1", "file2"]
for filename in files:
df= pd.read_csv(filename)
info=df.info()
*convert info to info[]*
*cut first 3 rows and las
浏览 0提问于2017-07-27得票数 0
我的代码看起来是这样的:我使用PyCharm作为我的集成开发环境，我使用的csv文件来自MS Excess。我已经将csv编码为UTF-8。我正在尝试使用pandas读取文件。我希望在调用df.info()时能够区分对象和int，这也是为什么我没有将它更改为‘want 1’或'ISO...‘的原因。
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
plt.style.use('fivethirtyeight')
cols = ['sentiment
浏览 0提问于2020-07-12得票数 0
我有一段代码给出了这样的警告：
/opt/conda/lib/python3.7/site-packages/IPython/core/interactiveshell.py:3063: DtypeWarning:
Columns (21,22,23) have mixed types.Specify dtype option on import or set low_memory=False
我搜索过谷歌和堆栈溢出，人们似乎给出了两种解决方案：
Falseconverters low_memory =
#1的问题是，它只是沉默了警告，但并没有解决根本的问题(如果我错了，请纠正我)。
第二个
浏览 1提问于2021-07-20得票数 0
回答已采纳
我知道这个问题之前发布了更多的次数，但我几乎没有怀疑。我有一个datetime.date (例如mydate = date(2014,5,1))，我将其转换为字符串，然后在DB中另存为表中的列(dtype:object)。现在，我想在DB中将日期存储从文本更改为时间戳。我试过了， 例如。我的桌子是tab1。我在python中将其读作dataframe df。 # datetime to timestamp
df['X'] = pd.to_datetime(mydate) 当我在python编辑器df.info()中检查数据类型时，X的数据类型是datetime64ns，但当我
浏览 118提问于2020-10-15得票数 0
我有一个有380万行和一列的pandas.DataFrame，我尝试按索引对它们进行分组。
索引是客户ID。我想按索引对qty_liter进行分组：
df = df.groupby(df.index).sum()
但这需要永远完成计算。有没有其他方法来处理非常大的数据集？
这是df.info()
<class 'pandas.core.frame.DataFrame'>
Index: 3842595 entries, -2147153165 to \N
Data columns (total 1 columns):
qty_liter object
dtype
浏览 1提问于2017-06-23得票数 15
1回答
我想从binance获得klines数据，并使其在excel上。但也有错误发生。以下是我的代码
import pandas as pd
from binance.client import Client
api_key = 'my api key'
api_secret = 'my api key'
client = Client(api_key, api_secret)
klines = client.get_historical_klines('BTCUSDT', Client.KLINE_INTERVAL_1MINUTE, '2
浏览 3提问于2021-05-30得票数 0
我试图在熊猫中使用csv文件，但出于某种原因，熊猫并不认为其中的几个列是实际的列。这是dataframe的快照：
但是，当我键入df.info()时，"Actb“、"Foxp3”和"Odc1“都不会出现：
<class 'pandas.core.frame.DataFrame'>
Int64Index: 268 entries, 334 to 20459
Data columns (total 9 columns):
# Column Non-Null Count Dtype
---
浏览 2提问于2022-01-18得票数 0
2回答
我正在用Pandas在python中处理一个拼花文件，我得到了一个惊喜。
我所读的拼花文件重为290MB，当我进行过滤以从数据文件中删除记录并用df.to_parquet()保存它时，我发现新的拼花重390MB。
这怎么可能呢？
这里是我的代码示例：
df = read_parquet('path/to/file.parquet')
ids_to_remove = ['id1','id2']
def filterout(df):
return df[~df.id.isin(ids_to_remove)]
filtered_df = f
浏览 11提问于2022-09-13得票数 0
1回答
有没有一种方法可以用来在使用pandas的大型CSV上输出推断的模式？另外，有没有办法让它告诉我基于CSV的类型是否可以为空/为空？文件大约有500k行，250列。 在我的新工作中，我经常收到零格式文档的CSV文件。
浏览 24提问于2021-02-26得票数 0
回答已采纳
我使用pandas读取.csv文件，然后将其另存为.xls文件。代码如下：
import pandas as pd
df = pd.read_csv('filename.csv', encoding='GB18030')
print(df)
df.to_excel('filename.xls')
有一列包含类似'2020/7/12‘的日期，看起来熊猫把它识别为日期并自动输出到'2020-07-12’。我不想格式化这个列，也不想格式化任何其他类似的列，我想让所有数据保持与纯文本相同。
这种转换发生在read_csv()上，因为pri
浏览 1提问于2020-07-12得票数 0
1回答
我有一个.h5文件，我从其中读取一些数据，我以某种方式对其进行排序，然后将其保存到另一个.h5文件中。下面是我的代码：
import h5py
import numpy as np
import pandas as pd
f = pd.read_hdf("input_file.h5")
dt = f.values
dt2 = np.transpose(np.transpose(dt)[0:2100])
dt3 = np.transpose(np.transpose(dt)[-1])
dt3 = dt3.reshape(1,len(dt3))
d2 = len(dt2[0
浏览 24提问于2019-10-31得票数 0
3回答
我想读取指定列的字符串类型的csv文件，数据文件位于以下位置：
请下载并保存为$HOME\cbond.csv(由于GFW的原因，无法上传到dropbox和其他网盘，建国云提供英文界面，创建自己的免费账号并下载我的样本数据文件)。
import pandas as df
df = pd.read_csv('cbond.csv',sep=',',header=0, converters={'正股代码':str})
我使用转换器将csv文件中的列正股代码设置为字符串类型，并使用df.info()检查所有列的数据类型。
df.info()
<cl
浏览 31提问于2020-02-21得票数 4
回答已采纳
在熊猫中，我想在现有的dataframe中添加一个新行，使用(我的选择) 的方法
在现有的dataframe上运行df.info()提供：
<class 'pandas.core.frame.DataFrame'>
Index: 18 entries, 2011-10-03 00:00:00 to 2011-10-28 00:00:00
Data columns (total 1 column):
entry 18 non-null int64
dtypes: int64(1)
在Index的条目不是整数，而是datetime对象
浏览 0提问于2018-05-16得票数 2
回答已采纳
我想显示由pandas.read_csv()函数读取的csv文件名。我尝试了下面的代码，但无法显示csv文件名。
import pandas as pd
df=pd.read_csv("abc.csv")
print(df.info())
我想展示"abc“。引导我了解我的处境。提前谢谢。
浏览 4提问于2020-04-20得票数 2
回答已采纳
我是蟒蛇的初学者，我有一个问题。(我真的很好奇)
当我们在蟒蛇中使用熊猫时，我们可以使用如下函数
(例子)
import pandas as pd
data = {'name':['Joe','Miachel'], 'age':[20,30]}
df = pd.DataFrame(data)
为了获取信息，我们可以使用函数
df.info()df.info
我们可以得到数字1和2的结果。
不仅是信息，还描述()，描述等等.有时我必须在代码末尾使用()才能得到结果，但有时我不必使用它
有什么不同吗？请你清楚地告诉我，谢谢
浏览 0提问于2021-11-16得票数 1
我想用Pandas读取Python (3.6.0)中的.txt文件。.txt文件的前几行如下所示：
要读取的文本文件
Location: XXX
Campaign Name: XXX
Date of log start: 2016_10_09
Time of log start: 04:27:28
Sampling Frequency: 1Hz
Config file: XXX
Logger Serial: XXX
CH Mapping;;XXXC1;XXXC2;XXXC3;XXXC4
CH Offsets in ms;;X;X,X;
浏览 7提问于2017-03-16得票数 2
回答已采纳
1回答
我正在尝试绘制total count (y轴)与day of the month (x轴)的条形图。
下面显示的代码片段按从左到右的降序对total count进行排序，如下图所示：
Python会自动对图表进行排序，以在左侧显示最大尺寸的条形图，在右侧显示最小尺寸的条形图，如下所示：
我真正想让代码做的是按升序对day of the month排序，而不是按total count排序。
我可以得到一些关于如何去做的提示吗？
下面是我使用的一段代码：
for g, sub_df in May_DATA.groupby('Plaza_Id'):
sub_df[&
浏览 18提问于2020-02-04得票数 1
2回答
使用scipy进行关联
、、、
我有两个变量，一个叫做polarity，另一个叫做sentiment。我想看看这两个变量之间是否存在相关性。polarity可以从0取值到1 (连续)；sentiment可以取值-1, 0和1。我尝试了以下几种方法： from scipy import stats
pearson_coef, p_value = stats.pearsonr(df['polarity'], df['sentiment'])
print(pearson_coef) 但我得到了以下错误： TypeError: unsupported operand type(s) for +:
浏览 12提问于2020-09-24得票数 0
回答已采纳
1回答
大家好，我一直在尝试整理一个CSV文件，我要求从硬币市场的Caps API。在我将数据放入CSV文件后，我尝试创建一个名为new_list的新数据框架，该框架将根据每日volume_24h将数据从最高到最低进行排序。
下面是保存在list变量中的第一个CSV文件。
list = pd.read_csv("crypto_latests.csv")
首先我试着做这个循环。
for item in list:
pd.concat(
list.loc[:,'slug'],
list.loc[:,'volume_24h
浏览 6提问于2022-09-22得票数 0
2回答
熊猫数据的掩蔽(过滤)太慢了。
、、、、
我有一个大约有19000行的数据，有3列(X，Y，Z)，我试图掩盖数据，以便我有X_max>X>=X_min，Y_max>Y>Y_min和Z_max>Z>Z_min的数据。
在这个例子中，
df['X'] is 0.0, 0.1, 0.2, 0.3, ..., 5.0
df['Y'] is -3.0, -2.9, -2.8, ..., 3.0
df['Z'] is -2.0, -1.9, ..., -1.5
因此，行数为51 * 61 *6= 18666。
当我创建一个掩蔽条件时，大约需要1秒。
cond1 =
浏览 0提问于2019-07-24得票数 1
回答已采纳
1回答
excel中有一个文件，我保存为.csv。当用pd.read_csv读取它时，15-数字被理解为科学符号.如果我在excel中将类型从general更改为number并再次保存csv文件，这并不重要。
我需要ID 163783999292而不是1.6378E+11。
有几件事不管用。对于一些日期，我也有同样的问题，它显示一个四位数的数字，而不是日期格式，因为它经常显示在excel中。
浏览 3提问于2022-10-07得票数 0
这是非常简单的代码，我不知道是什么导致了破坏。
我的代码是：
import pandas as pd
import matplotlib
Location = 'r/home/michael/PycharmProjects/cmsDataProject/inpatientProviderPaymentSummary.csv'
df = pd.read_csv(Location, header=False)
print df.info()
当我在Pycharm控制台中运行它时，我得到：
/usr/bin/python2.7 /home/michael/PycharmProje
浏览 1提问于2014-11-19得票数 2
回答已采纳
在Python2.7中，我尝试将一个大型的pandas数据帧转换为一个带有浮点值的numpy数组。
我试过了：
df = np.array(df).astype(float)
但是我得到了：
ValueError: invalid literal for float(): 1.#QO
我该怎么办？
df.info()
dtypes: float64(156), int64(370), object(1)
浏览 0提问于2015-08-11得票数 0
我在Pandas做了一个看起来很简单的group by。该列是一个字符串列，没有NaN或奇怪的字符串。然而，我一直收到下面的错误。有人知道为什么会发生这种情况吗？我觉得这可能与我的数据有关，但似乎一切都还好……
我正在运行by_user = df.groupby('User')
和堆栈跟踪：
by_user = df.groupby('User')
File "c:\Anaconda\lib\site-packages\pandas\core\generic.py", line 2773, in groupby
sort=sort, group_
浏览 0提问于2015-01-10得票数 4
回答已采纳
我只是用熊猫编写了一个load_data函数，然后我的代码中出现了错误，我不知道该如何处理？而且我的代码df.info()总是有错误，AttributeError: 'int' object has no attribute 'info', or the output is 0or
import numpy as np
import pandas as pd
import csv
from io import StringIO
def load_data():
buffer = StringIO()
#df.info(buf = buffer)
浏览 7提问于2022-11-03得票数 0
我发现自己经常要做一件事，这让我很惊讶，在Pandas中实现这一点是多么的困难。假设我需要创建一个具有指定索引类型和名称以及列类型和名称的空DataFrame。(我可能希望稍后填充它，例如在循环中。)据我所知，最简单的方法是为每一列创建一个空的pandas.Series对象，指定它们的dtype，将它们放入指定其名称的字典中，然后将字典传递给DataFrame构造函数。类似于下面的内容。
def create_empty_dataframe():
index = pandas.Index([], name="id", dtype=int)
column_name
浏览 120提问于2016-07-22得票数 15
我想在一个文本小部件上显示来自tkinter的输出，所以我需要一个字符串。但是pandas.DataFrame.info()返回NoneType，不管怎样，我可以改变这个吗？
import pandas as pd
import numpy as np
data = np.random.rand(10).reshape(5,2)
cols = 'a', 'b'
df = pd.DataFrame(data, columns=cols)
df_info = df.info()
print(df_info)
type(df_info)
我想做这样的事情：
info
浏览 1提问于2016-09-11得票数 21
回答已采纳
我使用的是Pandas数据帧。我有一个如下的dataFrame df：
time id
-------------
5:13:40 1
16:20:59 2
...
对于第一行，time 5:13:40之前没有零填充，我想将它转换为05:13:40。所以我的预期df应该是这样的：
time id
-------------
05:13:40 1
16:20:59 2
...
time的类型是<class 'datetime.timedelta'>.Could谁能给我一些提示来解决这个问题？非常感谢！
浏览 17提问于2018-06-29得票数 0
回答已采纳
我在kaggle上试过泰坦尼克模型。奇怪的是，isna().sum()输出了错误的信息。 import os
import pandas as pd
import numpy as np
import statsmodels.api as sm
from google.colab import auth
auth.authenticate_user()
import gspread
from oauth2client.client import GoogleCredentials
gc = gspread.authorize(GoogleCredentials.get_applica
浏览 59提问于2020-09-29得票数 1
我知道关于这个错误已经有几个问题了。但在这种情况下，我不确定是否已经有了解决我的问题的方案。我有这部分代码，我想打印Dataframe df的列"y“。出现以下错误: TypeError:只能将整数标量数组转换为标量索引 labels=[]
xvectors=[]
for i in data:
labels.append(i[0])
xvectors.append(i[1])
X = np.array(xvectors)
y = np.array(labels)
feat_cols = [ 'xvec'+str(i) for i in range
浏览 11提问于2020-04-11得票数 3
回答已采纳
让我举一个例子：
df = pd.DataFrame(np.arange(6).reshape(3, 2), columns=list('ab'))
print(df)
a b
0 0 1
1 2 3
2 4 5
比方说，我想选择一个列'a‘== 0的行，并且我知道在我的dataframe中只有一个行满足这个条件。
df1 = df.loc[df['a'] == 0]
print(df1)
a b
0 0 1
type(df1)
pandas.core.frame.DataFrame
df2 = df.loc[0]
p
浏览 1提问于2017-05-21得票数 2
回答已采纳
我有一个数据框架：
pd.DataFrame({'A': range(1, 10000)})
我可以得到一个很好的人类可读的东西，说它的内存使用量为78.2KB使用df.info()。
df.info() > RangeIndex: 9999项，0到9998数据列(共1列)：#列非空计数D类型
我可以使用df.memory_usage()得到一个没有帮助的语句，具有类似的效果(这就是Pandas本身计算自己内存使用量的方式)，但我希望避免不得不使用我自己的语句。我查看了df.info源代码，并跟踪了字符串的源文件，一直到。
这个特定的字符串是如何生成的，我如何将其
浏览 1提问于2022-06-02得票数 0
回答已采纳
因此，目前我正在从一个包含很多列的MySql格式的表中生成一个xlsx，但出于这个原因，我只需要一个。我使用pandas生成xlsx，打开到数据库的连接，然后执行以下操作： import pandas as pd
sql ='Select *from bd.teste'
df=pd.read_sql_query(sql,sql_con_obj.con)
df.to_excel(“generated.xlsx”) 如果我很快就这样做： df.info() 我要吃这个： <class 'pandas.core.frame.DataFrame'>
Ra
浏览 27提问于2021-03-26得票数 1
回答已采纳
对不起，我是python的新手，下面我有一个简单的问题。提前感谢！
import pandas as pd
df = pd.read_csv("name.csv") ## why do i need the "pd." part for this
df.info ## why do i NOT need the "pd." part for these?
df.sort_values ## why do i NOT need the "pd." part for these?
浏览 6提问于2022-01-20得票数 0
我有一个DataFrame (相当大，很难复制&c)，我观察到了这种行为：
>>> df.info(verbose=True,memory_usage=True,null_counts=True)
<class 'pandas.core.frame.DataFrame'>
Int64Index: 49841 entries, 0 to 49878
Data columns (total 70 columns):
...
channel 25101 non-null object
浏览 1提问于2017-01-18得票数 1
回答已采纳
3回答
我试着在熊猫DataFrame上做一些比较。
# create simple DataFrame
df = pd.DataFrame(['one', 'two', 'three'], range(1,4), columns=['col1'])
#df:
# col1
#1 one
#2 two
#3 three
# assign one col1 value to be NAN
df.loc[1, 'col1'] = np.nan
# this comparison works
print(
浏览 2提问于2016-05-11得票数 3
回答已采纳
2回答
问题
我有一个熊猫数据，我正在尝试使用pd.df.to_sql()函数的一个甲骨文数据库。我的Oracle数据库是19.3c。看起来很容易，对吧？为什么不行？？
我在其他几个堆栈溢出帖子中看到了我应该使用sqlalchemy数据类型的信息。好吧。链接：
from sqlalchemy.types import Integer, String
from sqlalchemy.dialects.oracle import NUMBER, VARCHAR2, DATE
oracle_dtypes = {
'id' : NUMBER(38,0),
&
浏览 2提问于2021-10-23得票数 2
回答已采纳
我正在将csv文件加载到pandas数据帧中，编辑它们并再次将其导出为csv (随着时间的推移，对许多不同的csv重复此过程)。有时，数据帧包含浮点值，而浮点值应该是整数，这导致我的导出最终无法使用。 在下面的示例中，col_1只包含整数(并且只包含0和1)。col_2也只包含0和1，但作为浮点数。col_3包含所有不同类型的浮点数(例如，这里是5.4和1.0)。 no col_1 col_2 col_3
1 1 0.0 5.4
2 0 1.0
浏览 273提问于2021-01-19得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
