pandas DataFrame convert_dtypes的具体使用

Pandas2.2 DataFrame

Conversion

pandas.DataFrame.convert_dtypes

pandas.DataFrame.convert_dtypes 是一个方法，用于将 DataFrame 中的数据类型转换为更合适的类型。这个方法可以帮助自动推断和转换数据类型，使得数据处理更加高效和准确。

方法签名

DataFrame.convert_dtypes(infer_objects=True, convert_string=True, convert_integer=True, convert_boolean=True, convert_floating=True, dtype_backend='numpy_nullable')

参数说明

• infer_objects: 布尔值，默认为 True，表示是否尝试将 object 类型的列转换为更具体的类型（如 int64 或 float64）。
• convert_string: 布尔值，默认为 True，表示是否将 object 类型的列转换为 string 类型。
• convert_integer: 布尔值，默认为 True，表示是否将 object 类型的列转换为 integer 类型。
• convert_boolean: 布尔值，默认为 True，表示是否将 object 类型的列转换为 boolean 类型。
• convert_floating: 布尔值，默认为 True，表示是否将 object 类型的列转换为 floating 类型。
• dtype_backend: 字符串，默认为 'numpy_nullable'，表示使用的数据类型后端。可以是 'numpy_nullable' 或 'pyarrow'。

返回值

• 返回一个新的 DataFrame，其中数据类型已转换。

示例

假设有一个 DataFrame 如下：

import pandas as pd

data = {
    'A': ['1', '2', '3'],
    'B': ['1.1', '2.2', '3.3'],
    'C': ['True', 'False', 'True'],
    'D': ['x', 'y', 'z']
}

df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n数据类型:")
print(df.dtypes)

输出:

原始 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    object
B    object
C    object
D    object
dtype: object

示例1：使用默认参数转换数据类型

df_converted = df.convert_dtypes()
print("转换后的 DataFrame:")
print(df_converted)
print("\n数据类型:")
print(df_converted.dtypes)

结果:

转换后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    Int64
B  Float64
C    boolean
D    string
dtype: object

示例2：禁用 convert_string

df_converted_no_string = df.convert_dtypes(convert_string=False)
print("禁用 convert_string 后的 DataFrame:")
print(df_converted_no_string)
print("\n数据类型:")
print(df_converted_no_string.dtypes)

结果:

禁用 convert_string 后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    Int64
B  Float64
C    boolean
D    object
dtype: object

示例3：禁用 convert_integer

df_converted_no_integer = df.convert_dtypes(convert_integer=False)
print("禁用 convert_integer 后的 DataFrame:")
print(df_converted_no_integer)
print("\n数据类型:")
print(df_converted_no_integer.dtypes)

结果:

禁用 convert_integer 后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    object
B  Float64
C    boolean
D    string
dtype: object

示例4：禁用 convert_boolean

df_converted_no_boolean = df.convert_dtypes(convert_boolean=False)
print("禁用 convert_boolean 后的 DataFrame:")
print(df_converted_no_boolean)
print("\n数据类型:")
print(df_converted_no_boolean.dtypes)

结果:

禁用 convert_boolean 后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    Int64
B  Float64
C    object
D    string
dtype: object

示例5：禁用 convert_floating

df_converted_no_floating = df.convert_dtypes(convert_floating=False)
print("禁用 convert_floating 后的 DataFrame:")
print(df_converted_no_floating)
print("\n数据类型:")
print(df_converted_no_floating.dtypes)

结果:

禁用 convert_floating 后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    Int64
B    object
C    boolean
D    string
dtype: object

通过这些示例，可以看到 pandas.DataFrame.convert_dtypes 方法如何自动推断和转换 DataFrame 中的数据类型。这些方法在数据预处理和类型转换时非常有用。

注意事项

• convert_dtypes 方法可以将 DataFrame 中的数据类型转换为更合适的类型。
• 可以通过设置不同的参数来控制哪些类型的转换应该被启用或禁用。
• dtype_backend 参数可以指定使用的数据类型后端，例如 'numpy_nullable' 或 'pyarrow'。
• 这些转换可以帮助提高数据处理的效率和准确性。

示例代码及验证

为了验证 pandas.DataFrame.convert_dtypes 方法的效果，可以运行上述示例代码并查看输出结果。

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'A': ['1', '2', '3'],
    'B': ['1.1', '2.2', '3.3'],
    'C': ['True', 'False', 'True'],
    'D': ['x', 'y', 'z']
}

df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n数据类型:")
print(df.dtypes)

# 使用默认参数转换数据类型
df_converted = df.convert_dtypes()
print("\n转换后的 DataFrame:")
print(df_converted)
print("\n数据类型:")
print(df_converted.dtypes)

# 禁用 convert_string
df_converted_no_string = df.convert_dtypes(convert_string=False)
print("\n禁用 convert_string 后的 DataFrame:")
print(df_converted_no_string)
print("\n数据类型:")
print(df_converted_no_string.dtypes)

# 禁用 convert_integer
df_converted_no_integer = df.convert_dtypes(convert_integer=False)
print("\n禁用 convert_integer 后的 DataFrame:")
print(df_converted_no_integer)
print("\n数据类型:")
print(df_converted_no_integer.dtypes)

# 禁用 convert_boolean
df_converted_no_boolean = df.convert_dtypes(convert_boolean=False)
print("\n禁用 convert_boolean 后的 DataFrame:")
print(df_converted_no_boolean)
print("\n数据类型:")
print(df_converted_no_boolean.dtypes)

# 禁用 convert_floating
df_converted_no_floating = df.convert_dtypes(convert_floating=False)
print("\n禁用 convert_floating 后的 DataFrame:")
print(df_converted_no_floating)
print("\n数据类型:")
print(df_converted_no_floating.dtypes)

运行结果

运行上述代码后，你会看到以下输出：

原始 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    object
B    object
C    object
D    object
dtype: object

转换后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    Int64
B  Float64
C    boolean
D    string
dtype: object

禁用 convert_string 后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    Int64
B  Float64
C    boolean
D    object
dtype: object

禁用 convert_integer 后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    object
B  Float64
C    boolean
D    string
dtype: object

禁用 convert_boolean 后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    Int64
B  Float64
C    object
D    string
dtype: object

禁用 convert_floating 后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

数据类型:
A    Int64
B    object
C    boolean
D    string
dtype: object

通过这些示例，可以看到 pandas.DataFrame.convert_dtypes 方法如何自动推断和转换 DataFrame 中的数据类型。这些方法在数据预处理和类型转换时非常有用。

到此这篇关于pandas DataFrame convert_dtypes的具体使用的文章就介绍到这了,更多相关pandas DataFrame convert_dtypes内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！