扫码加入数据分析学习群

目录：

1. 将字符串/int转换为int/float

2. 将浮点数转换为int

3. 转换混合数据类型的列

4. 处理缺失值

5. 将货币列转换为浮点数

6. 将布尔值转换为0/1

7. 一次性转换多个数据列

8. 读取CSV文件时定义数据类型

9. 创建一个自定义函数来转换数据类型

10. astype()与to_numeric()的比较

    
    

(本文翻译自：https://towardsdatascience.com/converting-data-to-a-numeric-type-in-pandas-db9415caab0b)

为了更好理解，我们以下面的数据作为例子来演示！

import pandas as pd
import numpy as npdef load_df(): 
  return pd.DataFrame({
    'string_col': ['1','2','3','4'],
    'int_col': [1,2,3,4],
    'float_col': [1.1,1.2,1.3,4.7],
    'mix_col': ['a', 2, 3, 4],
    'missing_col': [1.0, 2, 3, np.nan],
    'money_col': ['£1,000.00','£2,400.00','£2,400.00','£2,400.00'],
    'boolean_col': [True, False, True, True],
    'custom': ['Y', 'Y', 'N', 'N']
  })df = load_df()

查看数据类型：

（查看具体某一列的数据类型）

（查看数据详情）

正文：

1.将字符串/int转换为int/float

df['string_col'] = df['string_col'].astype('int')

df['string_col'] = df['string_col'].astype('int32')

df['string_col'] = df['string_col'].astype('int64')

df['string_col'] = df['string_col'].astype('float')

df['string_col'] = df['string_col'].astype('float16')

df['string_col'] = df['string_col'].astype('float32'

2.将浮点数转换为int

df['float_col'] = df['float_col'].astype('int')

df['float_col'] = df['float_col'].round(0).astype('int')

3.转换混合数据类型的列

当运行astype('int')时，我们得到一个ValueError

错误显示是值'a'的问题，因为它不能被转换为整数。为了解决这个问题，我们可以使用Pandas to_numeric()函数，参数为 errors='coerce'

df['mix_col'] = pd.to_numeric(df['mix_col'],errors='coerce')
 df['mix_col'].dtypes

在某些情况下，如果不希望输出的是浮点数，而是整数（例如转换ID列）。我们可以调用astype('Int64')。注意它有一个大写的I，与Numpy的'int64'不同。这样做的目的是把Numpy的NaN改为Pandas的NA，这样就可以把它变成一个整数。

df['mix_col'] = pd.to_numeric(df['mix_col'], errors='coerce').astype('Int64')
df['mix_col'].dtypes

另外，我们可以用另一个值替换Numpy nan(例如用0替换NaN)并调用astype('int')

df['mix_col'] = pd.to_numeric(df['mix_col'], errors='coerce').fillna(0).astype('int')
df['mix_col'].dtypes

4.处理缺失值

在Pandas中，缺失值被赋予NaN值，即 "Not a Number "的缩写。由于技术原因，这些NaN值总是属于float64.

当把一个有缺失值的列转换为整数时，我们也会得到一个ValueError，因为NaN不能被转换为一个整数

为了绕过这个错误，我们可以像上面那样调用astype('Int64')（注意它是大写的I），这样做的目的是将Numpy的NaN改为Pandas的NA，这样就可以成为一个整数。

另外，我们可以用另一个值替换Numpy的NaN（例如用0替换NaN），并调用astype('int')

df['missing_col'] = df['missing_col'].fillna(0).astype('int')
df.missing_col.dtypes

5.将货币列转换为浮点数

如果我们使用上面的方法，我们会得到所有的NaN或NA值，因为它们都是带有符号£和Ⅳ的字符串，它们不能被转换为数字。所以我们首先要做的是去除所有无效的符号，然后载转换数据类型。

df['money_replace'] = df['money_col'].str.replace('£', '').str.replace(',','')
df
df['money_replace'] = pd.to_numeric(df['money_replace'])
df['money_replace']

（我们也可以用正则表达式来替换这些符号）

df['money_regex'] = df['money_col'].str.replace('[\£\,]', '', regex=True)
df['money_regex'] = pd.to_numeric(df['money_replace'])
df['money_regex']

（参数regex=True假定传入的模式是一个正则表达式）

6.将布尔值转换为0/1

使用场景：在建立一个机器学习模型，0/1是你的输入特征之一，需要它是数字的，用0和1来代表False和True，直接调用astype('int')即可

df['boolean_col'] = df['boolean_col'].astype('int')
df.boolean_col.dtypes

7.一次性转换多个数据列

DataFrame中astype()的方法，允许我们一次转换多个列的数据类型。当你有一堆你想改变的列时，它可以节省时间

df = df.astype({
    'string_col': 'float16',
    'int_col': 'float16'
})
df
df.string_col.dtypes
df.int_col.dtypes

8.读取CSV文件时定义数据类型

想在读取CSV文件时为每一列设置数据类型，你可以在用read_csv()加载数据时使用参数dtype

df = pd.read_csv(
    'dataset.csv', 
    
dtype={
        'string_col': 'float16',
        'int_col': 'float16'
    }
)

dtype参数接收一个字典，其中键代表列，值代表数据类型。这个方法和上面的区别是，这个方法在读取过程中进行转换，可以节省时间，而且更节省内存

9.创建一个自定义函数来转换数据类型

当数据的转换有点复杂时，我们可以创建一个自定义函数，并将其应用于每个值，以转换为适当的数据类型。

例如，money_col列，这里有一个我们可以使用的简单函数

def convert_money(value):
       value = value.replace('£','').replace(',', '')       
           return float(value)
df['money_col'].apply(convert_money)

我们也可以通过匿名函数来实现：

df['money_col'].apply(lambda v: v.replace('£','').replace(',','')).astype('float')

10.astype()与to_numeric()的比较

将数据类型从一个转换到另一个的最简单方法是使用astype()方法。Pandas DataFrame和Series都支持该方法。

如果你已经有一个数字数据类型（int8, int16, int32, int64, float16, float32, float64, float128和boolean），你也可以使用astype()来：

• 将其转换为另一种数字数据类型（int转为float，float转为int，等等）

• 用它来下调到一个较小的或上调到一个较大的字节大小

然而，astype()对混合类型的列不起作用。例如，mixed_col有a，missing_col有NaN。如果我们尝试使用astype()，我们会得到一个ValueError。

从Pandas 0.20.0开始，这个错误可以通过设置参数errors='ignore'来抑制，但是你的原始数据将被返回，不被触动。

Pandas to_numeric()函数可以更优雅地处理这些值。我们可以设置参数error='coerce'，将无效的值强制为NaN

pd.to_numeric(df['mixed_col'], errors='coerce')

总结：astype()是最简单的方法，在转换方式上提供了更多的可能性，而to_numeric()在错误处理上有更强大的函数