pandas操作：变量类型自动转换
推荐
在线提问>>
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")),
}
)
DataFrame 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
1 2 y False i100.5
2 3 z20 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
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。
