panda astype

L'oggetto Pandas viene in genere lanciato su un dtype specifico.funzione astype () usando il metodo astype (). Questo strumento può anche modificare qualsiasi colonna ammissibile in un tipo categorico. Lo utilizziamo quando desideriamo convertire un tipo di dati di colonna specifico in un altro tipo di dati. L'ingresso al dizionario Python può anche essere utilizzato per modificare più tipi di colonne contemporaneamente. Il nome della colonna e i nuovi dati che desideriamo utilizzare nelle colonne sono rappresentati nel dizionario dalle etichette della chiave e dei valori,. La tecnica di Panda Astype ha diverse applicazioni.

Questo strumento ci consente di modificare il tipo di dati di:

1. Una serie di panda
2. Ogni colonna in un telaio di dati Panda
3. Diverse colonne in un telaio di dati

Come utilizzare la funzione ASTYPE () in PANDAS

Per usare la funzione ASTYPE (), dobbiamo prima capire la sua sintassi. Sia gli oggetti della serie che i gesti di dati possono essere utilizzati con il metodo ASTYPE. La sintassi per ASTYPE sulla serie e ASTYPE sulle colonne del frame dati è la seguente:

Sintassi della funzione ASTYPE () sulla serie

Basta digitare il nome della serie seguito dalla funzione di ASTYPE () "Sintassi DOT" per invocare il metodo per una serie.

Sintassi:

Sintassi della funzione ASTYPE () sulle colonne di dati di dati

Dobbiamo prima digitare il nome del frame di dati prima di chiamare il metodo ASTYPE () "Sintassi DOT".

Sintassi:

DataFrame.astype (dType, copy = true, errors = "solleva", ** kwargs)

dtype: L'oggetto Pandas viene lanciato sullo stesso tipo usando il tipo Python o Numpy.dtype. Una o più colonne di DataFrame possono essere lanciate su tipi specifici della colonna. È anche possibile utilizzare col: dtype,? in alternativa, dove Col rappresenta il nome della colonna e il dtype è un numpy.

copia: Fornisce una copia se copia = true. Quando copia = falso, dobbiamo stare attenti poiché le modifiche ai valori possono diffondersi ad altri oggetti di panda.

errore: Se si tenta di applicare un tipo di dati errato o non valido sull'oggetto, la tecnica aumenterà o meno un'eccezione, a seconda del valore del parametro di errore. Le due risposte a questo sono le seguenti:

aumentare(Se c'è un problema, aumenterà un'eccezione)

ignorare (Se c'è un problema, sopprimerà le eccezioni. restituirà l'oggetto originale in caso di errore)

Nella funzione astype () solleva = true per impostazione predefinita.

Kwargs: Il costruttore riceve un argomento per parole chiave (KWARGS) come input.

Ora abbiamo visto la sintassi. Insegneremo l'uso della funzione ASTYPE () nei seguenti esempi.

Esempio 1: modifica del tipo di dati di serie di panda

Prima di tutto, importeremo i moduli Pandas, quindi utilizzeremo la funzione DataFrame () per creare il set di dati, passandolo un dizionario di nomi di colonne e alcuni elenchi contenenti le informazioni che vogliamo trattenere le variabili:

Inoltre, creeremo una serie che detiene esclusivamente la variabile delle spese del gesto di dati:

Per illustrare il nostro Frame Data, utilizzeremo la funzione Print ().

Esistono quattro variabili: nome, paese, vendite e spese. Di conseguenza, il telaio di dati include informazioni su campioni o fittizie e spese per alcune persone di diversi paesi.

Controlliamo il tipo di dati della nostra serie chiamata E_variable usando dType.

Ciò indica che la nostra serie E_variable ha il tipo di dati "oggetto". Ora cambieremo il tipo di dati della serie in int64 utilizzando Pandas ASTYPE.

Il tipo di dati dell'output è dType: int64, come puoi vedere se presti molta attenzione al fondo dell'output. Ricorda che la variabile E non è stata modificata direttamente da questo. Poiché l'output di ASTYPE () è stato stampato sulla console, la serie E_variable ha ancora il tipo di dati di "oggetto". Dovremmo riassegnare l'output al nome della variabile effettiva con il seguente codice se volessimo modificare i dati in modo permanente:

Ora, il tipo di dati della nostra serie è modificato in modo permanente.

Esempio 2: modifica del tipo di dati della colonna di dati dati

Ora opereremo sulla colonna di un frame dati. Confrontando questo con l'esempio 1, dove abbiamo lavorato con una serie Pandas, sarà leggermente diverso. In questo caso, lavoreremo con un frame dati. Pertanto, la sintassi differirà un po '. Innanzitutto, controlleremo il tipo di dati corrente del nostro dati S_DATA. Per verificare il tipo di dati di dati, useremo DType.

Per esaminare i tipi di dati dell'output, useremo inoltre il .attributo dtypes.

Vedrai che il tipo di dati di Sale è stato modificato su Int64 nell'output. Per raggiungere questo obiettivo, abbiamo usato la funzione ASTYPE, passando un argomento di un dizionario. Il nome della colonna appare sul lato sinistro del dizionario e il nuovo tipo di dati appare a destra. Modifichiamo il tipo di dati di un'altra colonna del nostro frame dati.

Il tipo di dati della colonna nazionale è stato completamente trasformato in "stringa", come puoi vedere.

Esempio 3: modifica del tipo di dati di più colonne in un frame dati

Ora modifichiamo il tipo di dati di un numero di colonne del nostro Frame Data. Questo può essere fatto in un modo abbastanza simile a come abbiamo cambiato la colonna nell'esempio 2. In questo esempio impiegheremo un dizionario diverso.

Ancora una volta, esaminiamo i dati originali con l'uso del .attributo dType prima di eseguire l'operazione:

Ancora una volta, si noti che l'oggetto è il tipo di dati di ogni colonna nel frame dati.

Ora modificheremo il tipo di dati di diverse colonne. Per raggiungere questo obiettivo, creeremo un dizionario con il nome e il tipo di dati della variabile come coppie "chiave" e "valore". Dopo l'attributo astype, chiameremo inoltre il .attributo dtypes in modo da poter osservare i nuovi dati.

Vedrai che i dati di tre colonne sono cambiati nell'output. Il tipo di dati della colonna del paese viene modificato in String, il tipo di vendita di vendite viene modificato in Int64 e il tipo di dati delle spese viene modificato in int32.

Nella parentesi, abbiamo aggiunto un dizionario e invocato il metodo ASTYPE. Alcune coppie chiave/valore con il formato "colonna": "Tipo di dati" erano nel dizionario. I nuovi tipi di dati e i nomi delle colonne devono solo essere forniti in un dizionario.

Esempio 4: Datatipi di lancio di tutte le colonne in un telaio di dati

Il metodo Pandas ASTYPE () predefinito cerca di lanciare ogni colonna di dati sui tipi Python (int, testo, galleggiante, data e datetime) o numpy.dtype che sono forniti. L'operazione non riesce e l'errore "ValueRror: letterale non valido" viene sollevato se le colonne non possono essere lanciate a causa di dati non validi o NAN. Per questo esempio, creiamo un nuovo frame di dati dai dizionari.

Tutti i nomi e i dtypes della colonna DataFrame vengono restituiti da DataFrame.funzione dtypes. Ricorda che ogni colonna ha un tipo di oggetto nel telaio di dati mostrato sopra. Ora lanceremo il tipo di dati su String.

Come visto in precedenza, il dType viene aggiornato per tutte le colonne del frame dati DF.

Conclusione

In questo tutorial, abbiamo cercato di insegnarti come utilizzare il Frame di dati Python Pandas.Metodo ASTYPE (). Abbiamo modificato il tipo di dati della colonna del dati di dati in un diverso tipo di dati e quindi esaminato il frame dati. Abbiamo implementato alcuni esempi in questo articolo, quindi potresti essere in grado di modificare il tipo di dati della serie e il tipo di dati della colonna della cornice di dati utilizzando il metodo Pandas ASTYPE in Python.