（python）pandas修改数据类型

Marst·Zhang

已于 2024-10-05 10:42:31 修改

阅读量4.7k

点赞数 6

CC 4.0 BY-SA版权

文章标签： pandas

于 2023-08-05 10:24:00 首次发布

本文链接：https://blog.csdn.net/marst437730201/article/details/132116556

本文介绍了Pandas库中用于数据预处理的astype(),to_numeric(),和to_datetime()函数，分别用于将数据类型转换为浮点数、数值和日期时间，以及如何处理非数值和不同格式的时间字符串。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

前言

pandas库计算数据常常需要先预处理,修改数据的类型. 常用的方法有astype， to_numeric，

to_datetime等函数方法.做个记录,方便下次使用.

函数和范例

在Pandas中，有几种方法可以修改数据类型：

1. `astype()`方法

使用`astype()`方法可以将一列数据转换为指定的数据类型。例如，可以将一个整数列转换为浮点数列，或者将一个字符串列转换为日期时间列。示例代码如下：

import pandas as pd

df = pd.DataFrame({'col1': [1,2,3], 'col2': [4,5,6]})

# 转数值
df['col1'] = df['col1'].astype(float)

# 转字符串
df['col2'] = df['col2'].astype(str)

"""
       col1 col2
    0   1.0    4
    1   2.0    5
    2   3.0    6
"""

2. `to_numeric()`方法

使用`to_numeric()`方法可以将一列数据转换为数值类型。如果某列包含非数值字符，可以使用该方法将其转换为NaN或指定的错误值。示例代码如下：

import pandas as pd

df = pd.DataFrame({'col1': ['1', '2', '3'], 'col2': ['4', '5', 'x']})

# 转数值
df['col1'] = pd.to_numeric(df['col1'], errors='coerce')
df['col2'] = pd.to_numeric(df['col2'], errors='ignore')

"""
       col1 col2
    0     1    4
    1     2    5
    2     3    x
"""

3. `to_datetime()`方法

使用`to_datetime()`方法可以将一列数据转换为日期时间类型。

如果某列包含日期时间字符串，可以使用该方法将其转换为Pandas的日期时间对象。示例代码如下：

import pandas as pd

df = pd.DataFrame({'date': ['2021-01-01', '2021-02-01', '2021-03-01', '2023-10-26 10:27:03']})

# 时间  有多种时间格式的情况下 format='mixed' 或 "ISO8601"
df['time'] = pd.to_datetime(df['date'], format='ISO8601')
# 日期
df['date'] = df['time'].dt.date

print(df)

"""
             date                time
    0  2021-01-01 2021-01-01 00:00:00
    1  2021-02-01 2021-02-01 00:00:00
    2  2021-03-01 2021-03-01 00:00:00
    3  2023-10-26 2023-10-26 10:27:03
"""

这些是常用的方法，可以根据需要选择适合的方法来修改数据类型。