为 pandas DataFrame 中的每一列分配数据类型 - Python答案

【问题标题】：Assign data type for each column in pandas DataFrame - Python为 pandas DataFrame 中的每一列分配数据类型 - Python
【发布时间】：2018-02-09 07:04:59
【问题描述】：

我想更改可以在空 Pandas 数据框中输入的数据类型。所以我尝试了以下方法，但它不起作用。有人可以给我一个提示如何解决这个问题吗？

columns=['A', 'B', 'C', 'D', 'E','F']


df = pd.DataFrame(columns=columns)

>>> df
Empty DataFrame
Columns: [A, B, C, D, E, F]
Index: []

df[[0]]=df[[0]].astype(str)
df[[1]]=df[[1]].astype(str)
df[[2]]=df[[2]].astype(int)
df.iloc[:,3:6]=df.iloc[:,3:6].astype(float)

【问题讨论】：

在您的最小示例中，您指定了一些列列表，然后生成的 df 不显示这些列，为什么这对空 df 很重要？将数据分配给这些列后，dtype 将发生变化
我认为只有像df = pd.DataFrame(columns=columns, dtype=str)这样的构造函数可以在所有列中设置相同的dtype
是的，它会起作用的。 The documentation describes it 所以df = pd.DataFrame(columns=columns, dtype=str) 将给df.dtypes 作为objects

标签： python pandas type-conversion

【解决方案1】：

默认情况下，您的所有列都是“对象”类型，因此您可能不需要强制列为字符串类型。对于其他列类型，这样的方法可能有用吗？

df[['C']] = df[['C']].apply(pd.to_numeric)

【讨论】：

【解决方案2】：

你想用你想要的类型构建一个系列或字典然后使用astype

columns = list('ABCDEF')
df = pd.DataFrame(columns=columns)

dtypes = {k: str for k in columns[:2]}
dtypes.update({columns[2]: int})
dtypes.update({k: float for k in columns[3:]})

df = df.astype(dtypes)

df.dtypes

A     object
B     object
C      int64
D    float64
E    float64
F    float64
dtype: object

【讨论】：

如果你有任何浮点 NaN，使用 astype(str) 会将它们的值转换为“nan”

【解决方案3】：

我最初也遇到过这个问题，但我找到了解决方案：

在 Python 中将数据框列转换为列表数据结构。
然后在导入numpy包后将列表转换为系列。
使用astype() 函数转换为所需的数据类型。

代码：

list = list(data['unknown'])
series = pd.Series(list)
seriesOfTypeBool = g.astype(np.bool)
data['unknown'] = seriesOfTypeBool` <br>

还有简化版：

data['Action'] = pd.Series(list(data['Action'])).astype(np.bool)

【讨论】：