pandas100个骚操作：变量类型自动转换

关键时间，第一时间送达！

大家好，我是你们的东哥。

本篇是pandas100个骚操作的第一篇：变量类型自动转换

在用pandas进行数据清洗的过程中，变量的类型转换是一个必然会遇到的步骤。清洗初期查看dtypes经常出现object类型，但其实变量本身可能就是个字符串，或者是数字（但因存在空值，导致出现了object类型）。

通常大家所熟知的方法是使用astype进行类型转换，或者自己利用astype造个轮子，写个函数方法实现自动转换类型。

本次东哥介绍一个pandas里可实现自动转换变量类型的方法convert_dtypes。利用它可以一次性全部转换为最理想的类型。

一、使用方法

默认情况下，convert_dtypes将尝试将Series或DataFrame中的每个Series转换为支持的dtypes。它可以对Series和DataFrame都直接使用。

这个方法的参数如下。

# 是否应将对象dtypes转换为最佳类型
infer_objects bool，默认为True

# 对象dtype是否应转换为StringDtype()
convert_string bool，默认为True

# 如果可能，是否可以转换为整数扩展类型
convert_integer bool，默认为True

# 对象dtype是否应转换为BooleanDtypes()
convert_boolean bool，默认为True

# 如果可能，是否可以转换为浮动扩展类型。
# 如果convert_integer也为True，则如果可以将浮点数忠实地转换为整数，则将优先考虑整数dtype
convert_floating bool，默认为True


二、实例

下面看个例子。

首先创建一组数据，通过dtype规定每个变量的类型。

df = pd.DataFrame(
    {
        'a': pd.Series([1, 2, 3], dtype=np.dtype('int32')),
        'b': pd.Series(['x', 'y', 'z'], dtype=np.dtype('O')),
        'c': pd.Series([True, False, np.nan], dtype=np.dtype('O')),
        'd': pd.Series(['h', 'i', np.nan], dtype=np.dtype('O')),
        'e': pd.Series([10, np.nan, 20], dtype=np.dtype('float')),
        'f': pd.Series([np.nan, 100.5, 200], dtype=np.dtype('float')),
    }
)

DataFraem 变量类型转换

先从整个对dataframe操作开始。

>>> df
   a  b      c    d     e      f
0  1  x   True    h  10.0    NaN
1  2  y  False    i   NaN  100.5
2  3  z    NaN  NaN  20.0  200.0


>>> df.dtypes
a      int32
b     object
c     object
d     object
e    float64
f    float64
dtype: object

通过结果可以看到，变量都是是创建时默认的类型。但其实变量是有整数、字符串、布尔的，其中有的还存在空值。

>>> dfn = df.convert_dtypes()
>>> dfn
   a  b      c     d     e      f
0  1  x   True     h    10   <NA>
1  2  y  False     i  <NA>  100.5
2  3  z   <NA>  <NA>    20  200.0


下面使用convert_dtypes进行转换。

>>> dfn.dtypes
a      Int32
b     string
c    boolean
d     string
e      Int64
f    Float64
dtype: object

变量类型已经转换为我们想要的了。

Series 变量类型转换

对Series的转换也是一样的。下面的Seires中由于存在nan空值所以类型为object。

s = pd.Series(['a', 'b', np.nan])
>>> s
0      a
1      b
2    NaN
dtype: object


然后我们通过convert_dtypes成功转换为String。

>>> s.convert_dtypes()
0       a
1       b
2    <NA>
dtype: string

如果未来增加了新类型，convert_dtypes方法也会同步更新，并支持新的变量类型。