１astype()函数可用于转化dateframe某一列的数据类型

如下将dateframe某列的str类型转为int，注意astype()没有replace=True的用法，想要在原数据上修改，要写成如下形式。

注意只有当该列的字符串全是由纯数字构成时才可以这样写，如果混有字母，会报错：ValueError: invalid literal for int() with base 10:

利用int()函数转字符串也类似
下面是对多个字段的数据类型转换

app_train[['uid','index']] = app_train[['uid','index']].astype('int')

isdigit()用于判断一个字符串是否由纯数字构成，如果是返回True,否则False

关于numpy的astype（bool）和astype（int）等等

import numpy as np
a=[[1,2,1],[2,3,5]]
b=[[0,0,0],[2,3,5]]
c=np.array(a)
d=np.array(b)
print(c)
print(d)

就是简单的把list列表转化为数组
然后看看加了.astype(bool)是什么意思？
正如astype的中文意思，作为布尔类型，也就是true or false
代码如下

import numpy as np
a=[[1,2,1],[2,3,5]]
b=[[0,0,0],[2,3,5]]
c=np.array(a).astype(bool)
d=np.array(b).astype(bool)
print(c)
print(d)

再看看结果

这下明白了吗？0代表False 非0代表True！
那么.astype(int)是啥意思呢？
那不就是转化为整型数据吗！True和False转化为整型数据是什么样子呢？
不就是0和1嘛！
代码如下：

import numpy as np
a=[[1,2,1],[2,3,5]]
b=[[0,0,0],[2,3,5]]
c=np.array(a).astype(bool).astype(int)
d=np.array(b).astype(bool).astype(int)
print(c)
print(d)

看一下，是这样的吧！
那么astype(float)呢？是什么意思？不用我说你也知道了吧，那不明白看下面代码！

import numpy as np
a=[[1,2,1],[2,3,5]]
b=[[0,0,0],[2,3,5]]
c=np.array(a).astype(bool).astype(int).astype(float)
d=np.array(b).astype(bool).astype(int).astype(float)
print(c)
print(d)

希望可以帮助你

astype()是最常见也是最通用的数据类型转换方法

import pandas as pd

df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ], 
                   columns = ['name','team','Q1','Q2','Q3','Q4'])

res = df.dtypes

df.Q1.astype('int32').dtypes # dtype('int32')
df.astype({'Q1':'int32','Q2':'int32'}).dtypes

结果展示

df

res

 扩展

# 以下是一些使用示例:
df.index.astype('int64') # 索引类型转换
df.astype('int32') # 所有数据转换为int32
df.astype({'col1':'int32'}) # 指定字段转指定类型
s.astype('int64')
s.astype('int64',copy = False) # 不与原数据关联
df['name'].astype('object')
data['Q4'].astype('float')
s.astype('datatime64[ns]') # 转为时间类型
data['状态'].astype('bool')

数据类型

df.dtypes会返回每个字段的数据类型及DataFrame整体的类型

如果是Series，需要用s.dtype

import pandas as pd

df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ], 
                   columns = ['name','team','Q1','Q2','Q3','Q4'])
df.dtypes

s = pd.Series(['One','Two','Three'])
s.dtype

结果展示

df

s

当数据的格式不具备转换为目标类型的条件时，需要先对数据进行处理

例如“89.3%”是一个字符串，要转换为数字，要先去掉百分号:

# 将"89.3%"这样的文本转为浮点数
data.rate.apply(lambda x:x.replace('%','')).astype('float')/100

加载数据时可以指定数据各列的类型:

import pandas as pd

# 对所有字段指定统一类型
df = pd.DataFrame(data, dtype = 'float32')
# 对每个字段分别指定
df = pd.read_excel(data, dtype = {'team':'string','Q1':'int32'})