📅 最后修改于: 2020-10-29 01:52:42 🧑 作者: Mango
通常使用astype()方法将Pandas 对象转换为指定的dtype.astype()函数。它还可以将任何合适的现有列转换为分类类型。
当我们想将特定的列数据类型转换为另一种数据类型时，它就可以使用。我们还可以使用Python字典的输入来一次更改多个列类型。在字典中，键标签对应于列名，值标签对应于我们要在列中使用的新数据类型。
DataFrame.astype(dtype, copy=True, errors='raise', **kwargs)
dtype：它使用numpy.dtype或Python类型将整个pandas对象转换为相同类型。它还可以使用{col：dtype，?}，其中col表示列标签，而dtype是numpy.dtype或Python类型，用于将DataFrame的一个或多个列转换为特定于列的类型。
copy：如果copy = True，则返回一个副本。设置copy = False时要小心，因为对值的更改可能会传播到其他Pandas 对象。
errors：对于提供的dtype，它控制对无效数据的异常引发。
kwargs：这是一个关键字参数，将传递给构造函数。
强制转换：返回与调用方相同的类型。
import pandas as pd
a = {'col1': [1, 2], 'col2': [3, 4]}
info = pd.DataFrame(data=a)
info.dtypes
# We convert it into 'int64' type.
info.astype('int64').dtypes
info.astype({'col1': 'int64'}).dtypes
x = pd.Series([1, 2], dtype='int64')
x.astype('category')
cat_dtype = pd.api.types.CategoricalDtype(
categories=[2, 1], ordered=True)
x.astype(cat_dtype)
x1 = pd.Series([1,2])
x2 = x1.astype('int64', copy=False)
x2[0] = 10
x1 # note that x1[0] has changed too
输出量
0 12
1 2
dtype: int64