转换 Pandas 列类型 - Python

在 Pandas 中，数据类型是非常重要的，因为不同的数据类型对于数据的处理会有不同的影响。在使用 Pandas 做数据分析的时候，我们需要经常对数据类型进行转换，以方便对数据进行处理。

转换数据类型的方法

1. astype() 方法

astype() 方法是 Pandas 中最常用的方法之一，可以用来将一列数据转换为指定类型。

import pandas as pd

df = pd.DataFrame({
        'A': [1, 2, 3],
        'B': ['1', '2', '3']
    })
    
df['B'] = df['B'].astype(int)
print(df.dtypes)

输出：

A    int64
B    int64
dtype: object

2. to_numeric() 方法

to_numeric() 方法可以将数据类型转换为数值类型。

import pandas as pd

df = pd.DataFrame({
        'A': [1, 2, 3],
        'B': ['1', '2', '3']
    })
    
df['B'] = pd.to_numeric(df['B'])
print(df.dtypes)

输出：

A      int64
B    float64
dtype: object

3. to_datetime() 方法

to_datetime() 方法可以将字符串类型的日期转换为日期类型。

import pandas as pd

df = pd.DataFrame({
        'A': [1, 2, 3],
        'date': ['2021-01-01', '2021-01-02', '2021-01-03']
    })
    
df['date'] = pd.to_datetime(df['date'])
print(df.dtypes)

输出：

A               int64
date    datetime64[ns]
dtype: object

总结

转换数据类型是 Pandas 中非常常见的操作之一，掌握好数据类型的转换方法可以方便我们对数据进行处理和分析。常用的方法有 astype()、to_numeric() 以及 to_datetime() 等。以上就是本文的全部内容，希望对大家有所帮助。