Pandas如何变更数据类型

场景

在通过 Pandas 读取数据时，经常因为数据类型被改变，如分类用的数字时间202309被当做数值来显示202.309k ，或长ID字段被判定为数值类型导致ID长度溢出被截取，因此需要对Pandas读取数据后再转换成后续方便处理的字段类型。

Pandas 提供了多种方法来改变 DataFrame 中字段（列）的格式，包括数据类型、日期时间格式、数字格式等。以下是一些常见的操作：

1.更改数据类型（dtype）

使用 astype() 方法可以将某一列的数据类型更改为另一种类型。例如，将整数列转换为浮点数，或将字符串列转换为日期时间格式。

pythonCopy codeimport pandas as pd

# 创建一个示例 DataFrame
data = {'列1': [1, 2, 3],
        '列2': ['A', 'B', 'C']}
df = pd.DataFrame(data)

# 将列1的数据类型从整数改为浮点数
df['列1'] = df['列1'].astype(float)

2.更改日期时间格式

如果你有日期时间数据，可以使用 to_datetime() 方法将字符串列转换为日期时间对象，并设置日期时间格式。

pythonCopy codedf['日期列'] = pd.to_datetime(df['日期列'], format='%Y-%m-%d')

3.更改数字格式

你可以使用字符串格式化来更改数字列的显示方式，例如保留小数位数、添加千位分隔符等。

pythonCopy codedf['金额列'] = df['金额列'].apply(lambda x: '{:,.2f}'.format(x))

4.更改字符串格式

你可以使用字符串方法来更改文本列的格式，例如大小写转换、字符串拼接等。

pythonCopy codedf['文本列'] = df['文本列'].str.upper()

5.更改布尔格式

你可以使用 astype() 方法将布尔列转换为整数（0或1）或其他布尔表示方式。

pythonCopy codedf['布尔列'] = df['布尔列'].astype(int)  # 将布尔列转换为整数（0或1）

请根据你的具体需求和数据类型来选择适当的方法来改变字段的格式。

这些示例展示了一些常见的操作，但 Pandas 提供了更多的方法和选项来处理不同的数据格式。

总结

以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。