欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

pandas DataFrame convert_dtypes的具體使用

 更新時(shí)間：2025年05月06日 11:17:07   作者：liuweidong0802  
pandas.DataFrame.convert_dtypes?是一個(gè)方法,用于將 DataFrame 中的數(shù)據(jù)類型轉(zhuǎn)換為更合適的類型,本文就來介紹一下pandas DataFrame convert_dtypes的具體使用,感興趣的可以了解一下

Pandas2.2 DataFrame

Conversion

方法描述
DataFrame.astype(dtype[, copy, errors])用于將 DataFrame 中的數(shù)據(jù)轉(zhuǎn)換為指定的數(shù)據(jù)類型
DataFrame.convert_dtypes([infer_objects, …])用于將 DataFrame 中的數(shù)據(jù)類型轉(zhuǎn)換為更合適的類型

pandas.DataFrame.convert_dtypes

pandas.DataFrame.convert_dtypes 是一個(gè)方法，用于將 DataFrame 中的數(shù)據(jù)類型轉(zhuǎn)換為更合適的類型。這個(gè)方法可以幫助自動(dòng)推斷和轉(zhuǎn)換數(shù)據(jù)類型，使得數(shù)據(jù)處理更加高效和準(zhǔn)確。

方法簽名

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

參數(shù)說明

  • infer_objects: 布爾值，默認(rèn)為 True，表示是否嘗試將 object 類型的列轉(zhuǎn)換為更具體的類型（如 int64 或 float64）。
  • convert_string: 布爾值，默認(rèn)為 True，表示是否將 object 類型的列轉(zhuǎn)換為 string 類型。
  • convert_integer: 布爾值，默認(rèn)為 True，表示是否將 object 類型的列轉(zhuǎn)換為 integer 類型。
  • convert_boolean: 布爾值，默認(rèn)為 True，表示是否將 object 類型的列轉(zhuǎn)換為 boolean 類型。
  • convert_floating: 布爾值，默認(rèn)為 True，表示是否將 object 類型的列轉(zhuǎn)換為 floating 類型。
  • dtype_backend: 字符串，默認(rèn)為 'numpy_nullable'，表示使用的數(shù)據(jù)類型后端?？梢允?nbsp;'numpy_nullable' 或 'pyarrow'。

返回值

  • 返回一個(gè)新的 DataFrame，其中數(shù)據(jù)類型已轉(zhuǎn)換。

示例

假設(shè)有一個(gè) 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數(shù)據(jù)類型:")
print(df.dtypes)

輸出:

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

數(shù)據(jù)類型:
A    object
B    object
C    object
D    object
dtype: object

示例1：使用默認(rèn)參數(shù)轉(zhuǎn)換數(shù)據(jù)類型

df_converted = df.convert_dtypes()
print("轉(zhuǎn)換后的 DataFrame:")
print(df_converted)
print("\n數(shù)據(jù)類型:")
print(df_converted.dtypes)

結(jié)果:

轉(zhuǎn)換后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

數(shù)據(jù)類型:
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數(shù)據(jù)類型:")
print(df_converted_no_string.dtypes)

結(jié)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

數(shù)據(jù)類型:
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數(shù)據(jù)類型:")
print(df_converted_no_integer.dtypes)

結(jié)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

數(shù)據(jù)類型:
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數(shù)據(jù)類型:")
print(df_converted_no_boolean.dtypes)

結(jié)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

數(shù)據(jù)類型:
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數(shù)據(jù)類型:")
print(df_converted_no_floating.dtypes)

結(jié)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

數(shù)據(jù)類型:
A    Int64
B    object
C    boolean
D    string
dtype: object

通過這些示例，可以看到 pandas.DataFrame.convert_dtypes 方法如何自動(dòng)推斷和轉(zhuǎn)換 DataFrame 中的數(shù)據(jù)類型。這些方法在數(shù)據(jù)預(yù)處理和類型轉(zhuǎn)換時(shí)非常有用。

注意事項(xiàng)

  • convert_dtypes 方法可以將 DataFrame 中的數(shù)據(jù)類型轉(zhuǎn)換為更合適的類型。
  • 可以通過設(shè)置不同的參數(shù)來控制哪些類型的轉(zhuǎn)換應(yīng)該被啟用或禁用。
  • dtype_backend 參數(shù)可以指定使用的數(shù)據(jù)類型后端，例如 'numpy_nullable' 或 'pyarrow'。
  • 這些轉(zhuǎn)換可以幫助提高數(shù)據(jù)處理的效率和準(zhǔn)確性。

示例代碼及驗(yàn)證

為了驗(yàn)證 pandas.DataFrame.convert_dtypes 方法的效果，可以運(yùn)行上述示例代碼并查看輸出結(jié)果。

import pandas as pd

# 創(chuàng)建一個(gè)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數(shù)據(jù)類型:")
print(df.dtypes)

# 使用默認(rèn)參數(shù)轉(zhuǎn)換數(shù)據(jù)類型
df_converted = df.convert_dtypes()
print("\n轉(zhuǎn)換后的 DataFrame:")
print(df_converted)
print("\n數(shù)據(jù)類型:")
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數(shù)據(jù)類型:")
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數(shù)據(jù)類型:")
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數(shù)據(jù)類型:")
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數(shù)據(jù)類型:")
print(df_converted_no_floating.dtypes)

運(yùn)行結(jié)果

運(yùn)行上述代碼后，你會(huì)看到以下輸出：

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

數(shù)據(jù)類型:
A    object
B    object
C    object
D    object
dtype: object

轉(zhuǎn)換后的 DataFrame:
   A    B      C  D
0  1  1.1   True  x
1  2  2.2  False  y
2  3  3.3   True  z

數(shù)據(jù)類型:
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

數(shù)據(jù)類型:
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

數(shù)據(jù)類型:
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

數(shù)據(jù)類型:
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

數(shù)據(jù)類型:
A    Int64
B    object
C    boolean
D    string
dtype: object

通過這些示例，可以看到 pandas.DataFrame.convert_dtypes 方法如何自動(dòng)推斷和轉(zhuǎn)換 DataFrame 中的數(shù)據(jù)類型。這些方法在數(shù)據(jù)預(yù)處理和類型轉(zhuǎn)換時(shí)非常有用。

到此這篇關(guān)于pandas DataFrame convert_dtypes的具體使用的文章就介紹到這了,更多相關(guān)pandas DataFrame convert_dtypes內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

相關(guān)文章

  • Python創(chuàng)建文件和追加文件內(nèi)容實(shí)例

    Python創(chuàng)建文件和追加文件內(nèi)容實(shí)例

    這篇文章主要介紹了Python創(chuàng)建文件和追加文件內(nèi)容實(shí)例,本文同時(shí)給出了把標(biāo)準(zhǔn)輸出定向到文件實(shí)例,需要的朋友可以參考下
    2014-10-10
  • python基于watchdog庫實(shí)現(xiàn)文件系統(tǒng)監(jiān)控

    python基于watchdog庫實(shí)現(xiàn)文件系統(tǒng)監(jiān)控

    Watchdog庫是Python中一個(gè)用于監(jiān)控文件系統(tǒng)變化的第三方庫,它能夠?qū)崟r(shí)監(jiān)測(cè)文件或目錄的創(chuàng)建,修改,刪除等操作,下面我們來看看如何利用watchdog實(shí)現(xiàn)文件系統(tǒng)監(jiān)控吧
    2025-04-04
  • odoo?為可編輯列表視圖字段搜索添加查詢過濾條件的詳細(xì)過程

    odoo?為可編輯列表視圖字段搜索添加查詢過濾條件的詳細(xì)過程

    Odoo 是基于 Python 寫的一系列開源商業(yè)應(yīng)用程序套裝，前身是 OpenERP，這篇文章主要介紹了odoo?為可編輯列表視圖字段搜索添加查詢過濾條件,需要的朋友可以參考下
    2023-02-02
  • python實(shí)現(xiàn)nao機(jī)器人身體軀干和腿部動(dòng)作操作

    python實(shí)現(xiàn)nao機(jī)器人身體軀干和腿部動(dòng)作操作

    這篇文章主要為大家詳細(xì)介紹了python實(shí)現(xiàn)nao機(jī)器人身體軀干和腿部動(dòng)作操作，具有一定的參考價(jià)值，感興趣的小伙伴們可以參考一下
    2019-04-04
  • Pandas封裝Excel工具類的方法步驟

    Pandas封裝Excel工具類的方法步驟

    本文主要介紹了Pandas封裝Excel工具類的方法步驟，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2023-04-04
  • 基于Tensorflow高階讀寫教程

    基于Tensorflow高階讀寫教程

    今天小編就為大家分享一篇基于Tensorflow高階讀寫教程，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過來看看吧
    2020-02-02
  • 詳解Python可視化神器Yellowbrick使用

    詳解Python可視化神器Yellowbrick使用

    Yellowbrick是由一套被稱為"Visualizers"組成的可視化診斷工具組成的套餐，其由Scikit-Learn API延伸而來，對(duì)模型選擇過程其指導(dǎo)作用。這篇文章主要介紹了Python可視化神器Yellowbrick使用,需要的朋友可以參考下
    2019-11-11
  • python采集天氣數(shù)據(jù)并做數(shù)據(jù)可視化

    python采集天氣數(shù)據(jù)并做數(shù)據(jù)可視化

    本文主要介紹了python采集天氣數(shù)據(jù)并做數(shù)據(jù)可視化，文中通過示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧
    2022-07-07
  • Python實(shí)戰(zhàn)之生成有關(guān)聯(lián)單選問卷

    Python實(shí)戰(zhàn)之生成有關(guān)聯(lián)單選問卷

    這篇文章主要為大家分享了一個(gè)Python實(shí)戰(zhàn)小案例——生成有關(guān)聯(lián)單選問卷，并且能根據(jù)問卷總分?jǐn)?shù)生成對(duì)應(yīng)判斷文案結(jié)果，感興趣的可以了解一下
    2023-04-04
  • python?GUI多行輸入文本Text的實(shí)現(xiàn)

    python?GUI多行輸入文本Text的實(shí)現(xiàn)

    這篇文章主要介紹了python?GUI多行輸入文本Text的實(shí)現(xiàn)方式，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。如有錯(cuò)誤或未考慮完全的地方，望不吝賜教
    2022-06-06

最新評(píng)論