如何在 pandas 的 astype 方法中使用自定义数据类型？答案

【问题标题】：How do you use custom data types in pandas' astype method?如何在 pandas 的 astype 方法中使用自定义数据类型？
【发布时间】：2021-12-28 10:52:25
【问题描述】：

如何在 pandas 的 astype 方法中使用自定义数据类型？或者，如何将函数映射到特定列？

例如，假设我有一个“季度”数据类型：

class Quarter:
    def __init__(self, date):
       self.year = date.year
       self.quarter = date.quarter

   def __repr__(self):
       return f'{self.year} Q{self.quarter}'

我想说：

df.astype({'date':Quarter})

有什么想法吗？

【问题讨论】：

标签： pandas

【解决方案1】：

看来你只是想要什么

df['date'] = df['date'].map(Quarter)

请注意，您不能将列数据类型更改为自定义类型。包含自定义 python 对象的列（系列）将始终具有通用 object dtype。

class Quarter:
    def __init__(self, date):
       self.year = date.year
       self.quarter = date.quarter
    def __repr__(self):
       return f'{self.year} Q{self.quarter}'

>>> df = pd.DataFrame({
    'date': pd.date_range('01-01-2021', periods=10, freq='2M')
})
>>> df['date']

0   2021-01-31
1   2021-03-31
2   2021-05-31
3   2021-07-31
4   2021-09-30
5   2021-11-30
6   2022-01-31
7   2022-03-31
8   2022-05-31
9   2022-07-31
Name: date, dtype: datetime64[ns]

>>> df['date'] = df['date'].map(Quarter)
>>> df['date']

0    2021 Q1
1    2021 Q1
2    2021 Q2
3    2021 Q3
4    2021 Q3
5    2021 Q4
6    2022 Q1
7    2022 Q1
8    2022 Q2
9    2022 Q3
Name: date, dtype: object

# 'date' column data type
>>> df['date'].dtype

dtype('O')

# data type of each element of 'date' column 
>>> df['date'].map(type)

0    <class '__main__.Quarter'>
1    <class '__main__.Quarter'>
2    <class '__main__.Quarter'>
3    <class '__main__.Quarter'>
4    <class '__main__.Quarter'>
5    <class '__main__.Quarter'>
6    <class '__main__.Quarter'>
7    <class '__main__.Quarter'>
8    <class '__main__.Quarter'>
9    <class '__main__.Quarter'>
Name: date, dtype: object

我正在寻找允许方法链接的东西。我可以做df.assign(date = lambda x: x['date'].map(Quarter))，但是多列会变得很混乱

使用DataFrame.agg:

>>> df.agg({'date': Quarter})

      date
0  2021 Q1
1  2021 Q1
2  2021 Q2
3  2021 Q3
4  2021 Q3
5  2021 Q4
6  2022 Q1
7  2022 Q1
8  2022 Q2
9  2022 Q3

如果您想就地更改，您可以定义一个通用函数，该函数接收 DataFrame df 和格式为 {'column of df': func_to_apply_to_column} 的字典，类似于 astype，并将每个函数相应地应用于相应的列。要将其与方法链接一起使用，请使用DataFrame.pipe。

def map_columns(df, col_func_dict):
    for col, func in col_func_dict.items():
        df[col] = df[col].map(func)
    return df

>>> df.pipe(map_columns, {'date': Quarter})

      date
0  2021 Q1
1  2021 Q1
2  2021 Q2
3  2021 Q3
4  2021 Q3
5  2021 Q4
6  2022 Q1
7  2022 Q1
8  2022 Q2
9  2022 Q3

【讨论】：

谢谢，虽然这可行，但我正在寻找允许方法链接的东西。我可以做df.assign(date = lambda x: x['date'].map(Quarter))，但多列会变得很混乱。
@MycchakaKleinbort 我用这个要求更新了答案。它解决了你的问题吗？
是的，这行得通。我提出了一个新问题，询问什么是最好的 pandas 方法（如果有的话），但是您的自定义代码有效。仅供参考，您正在就地修改 df，但如果我想要不变性，我可以调整它。 stackoverflow.com/questions/70005612/…
如果没有内置方法，我总是可以为 Pandas 注册一个扩展。
@MycchakaKleinbort 我过于复杂了，我再次更新了答案。你只需要使用DataFrame.agg。但只选择了映射的列。