Pandas df.astype() 函数

Pandas 常用函数

df.astype() 是 Pandas 中用于转换 DataFrame 或 Series 数据类型的函数。

在数据处理过程中，数据类型不匹配是常见的问题。例如，数字存储为字符串、日期存储为文本等。astype() 允许你显式地将数据转换为所需的类型，如整数、浮点数、字符串、日期等，确保数据能够进行正确的计算和分析。

基本语法与参数

astype() 既是 DataFrame 的成员函数，也是 Series 的成员函数，通过点运算符 . 来调用。

语法格式

DataFrame.astype(dtype, copy=True, errors='raise')
Series.astype(dtype, copy=True, errors='raise')

参数说明

返回值说明

• 返回一个新的 DataFrame 或 Series，其中所有指定列的数据类型已转换为目标类型。

实例

让我们通过一系列例子，彻底掌握 astype() 的用法。

示例 1：转换单列的数据类型

将 Series 或 DataFrame 的某一列转换为指定类型。

运行结果预期:

原始数据类型：
姓名     object
年龄    object  # 字符串类型
薪资    object  # 字符串类型
==================================================
转换年龄列后的数据类型：
姓名      object
年龄     int64  # 整数类型
薪资    object
==================================================
转换薪资列后的数据类型：
姓名      object
年龄     int64
薪资    float64  # 浮点数类型
==================================================
转换后的数据：
    姓名  年龄    薪资
0  张三   25  5000.0
1  李四   30  6000.0
2  王五   35  5500.0
3  赵六   28  7000.0

代码解析:

1. 原始数据中，年龄和薪资都是字符串类型（object）。
2. 使用 df['列名'].astype(int) 将字符串转换为整数。
3. 转换后可以进行数值计算，如求和、平均值等。

示例 2：转换整个 DataFrame 的数据类型

可以一次性为整个 DataFrame 指定数据类型。

运行结果预期:

原始数据类型：
A      int64
B    float64
C     object
==================================================
转换后的数据类型：
A    float64
B      int64  # 小数部分被截断
C     object
==================================================
转换后的数据：
     A  B  C
0  1.0  2  a
1  2.0  2  b
2  3.0  3  c
3  4.0  4  d

代码解析:

• 使用字典 {'列名': '类型'} 可以一次性指定多列的转换类型。
• 将 B 列的浮点数转换为整数时，小数部分会被截断（2.5 变成 2）。

示例 3：转换为分类数据类型

分类数据类型（category）可以节省内存，特别适合取值有限的列。

运行结果预期:

原始数据类型：
城市    object
编号    int64
内存使用: ~456 KB
==================================================
转换后的数据类型：
城市    category
编号     int64
内存使用: ~120 KB  # 内存使用大幅减少

代码解析:

• 分类数据类型会为每个唯一值分配一个整数标识，比存储完整字符串节省大量内存。
• 原始数据 8000 行，内存使用约 456 KB，转换后约 120 KB，节省了约 75% 的内存。
• 这种方法特别适合取值较少的分类变量。

示例 4：转换日期时间类型

将字符串转换为日期时间类型，以便进行日期相关的操作。

运行结果预期:

原始数据类型：
日期    object  # 字符串类型
销量     int64
==================================================
转换后的数据类型：
日期    datetime64[ns]  # 日期时间类型
销量     int64
==================================================
转换后的数据：
        日期   销量
0 2024-01-01  100
1 2024-01-02  150
2 2024-01-03  120
3 2024-01-04  180

提取月份：
0    1
1    1
2    1
3    1
Name: 日期, dtype: int64

代码解析:

• 使用 pd.to_datetime() 将字符串转换为日期时间类型。
• 转换后可以使用 .dt 访问器进行日期操作，如提取月份、星期几等。
• 注意：虽然也可以用 astype('datetime64[ns]')，但 pd.to_datetime() 更加强大和灵活。

示例 5：处理转换错误

使用 errors='ignore' 参数可以处理转换失败的情况。

运行结果预期:

原始数据：
0       1
1       2
2    hello  # 无法转换为整数
3       4
4    world  # 无法转换为整数
==================================================
转换失败: invalid literal for int() with base 10: 'hello'
==================================================
使用 errors='ignore' 转换后的数据：
0       1
1       2
2    hello  # 保持原值
3       4
4    world  # 保持原值
==================================================
使用 errors='coerce' 转换后的数据：
0    1.0
1    2.0
2    NaN  # 无法转换，设为 NaN
3    4.0
4    NaN  # 无法转换，设为 NaN

代码解析:

• 当字符串包含无法转换为数字的值时，默认会抛出 ValueError 异常。
• errors='ignore' 会保持原始数据不变。
• errors='coerce' 会将无法转换的值设为 NaN，这是处理脏数据的常用方法。

示例 6：转换为布尔类型

将数据转换为布尔类型，常用于条件筛选和逻辑运算。

运行结果预期:

原始数据：
  是否会员  是否激活
0       0       是
1       1       否
2       1       是
3       0       是
4       1       否
==================================================
转换是否会员列后的数据类型：
是否会员      bool
是否激活    object
==================================================
转换是否激活列后的数据：
  是否会员  是否激活
0    True    True
1   True   False
2    True    True
3   False   True
4    True   False

代码解析:

• 0 可以转换为 False，1 转换为 True。
• 对于"是"/"否"这类字符串，需要使用 map() 来转换。
• 转换后可以使用布尔索引进行快速筛选。

注意事项

• astype() 默认返回一个新的对象，不会修改原始数据。如果想原地修改，可以使用 copy=False 参数，但可能会影响原始数据。
• 将浮点数转换为整数时，小数部分会被截断，不会四舍五入。
• 将字符串转换为数字时，确保字符串是有效的数字格式，否则会抛出异常。
• 使用 errors='coerce' 是处理脏数据的推荐方法，可以将无效值转换为 NaN，然后使用 fillna() 进行填充。
• 对于大量重复值的列，转换为分类类型可以显著减少内存使用。

Pandas 常用函数