pandas.DataFrame.astype#
- DataFrame.astype(dtype, copy=True, errors='raise')[源代码]#
将Pandas对象强制转换为指定的dtype
dtype。- 参数
- dtype数据类型，或列名称的字典->数据类型
使用numpy.dtype或Python类型将整个Pandas对象强制转换为同一类型。或者，使用{ol：dtype，...}来将DataFrame的一个或多个列转换为特定于列的类型，其中ol是列标签，dtype是numpy.dtype或Python类型。
- copy布尔值，默认为True
在以下情况下返回副本
copy=True(请非常小心地设置copy=False因为值的更改然后可能传播到其他Pandas对象)。- errors{‘RAISE’，‘IGNORE’}，默认‘RAISE’
控制对提供的数据类型的无效数据引发异常。
raise：允许引发异常ignore：禁止例外。出错时返回原始对象。
- 退货
- casted与呼叫者类型相同
参见
to_datetime将参数转换为日期时间。
to_timedelta将参数转换为时间增量。
to_numeric将参数转换为数值类型。
numpy.ndarray.astype将Numy数组强制转换为指定类型。
注意事项
1.3.0 版后已移除: 使用
astype从时区原始数据类型转换为时区感知数据类型已被弃用，并将在未来版本中提高。使用Series.dt.tz_localize()取而代之的是。示例
创建DataFrame：
>>> d = {'col1': [1, 2], 'col2': [3, 4]} >>> df = pd.DataFrame(data=d) >>> df.dtypes col1 int64 col2 int64 dtype: object
将所有列强制转换为int32：
>>> df.astype('int32').dtypes col1 int32 col2 int32 dtype: object
使用词典将col1转换为int32：
>>> df.astype({'col1': 'int32'}).dtypes col1 int32 col2 int64 dtype: object
创建系列：
>>> ser = pd.Series([1, 2], dtype='int32') >>> ser 0 1 1 2 dtype: int32 >>> ser.astype('int64') 0 1 1 2 dtype: int64
转换为分类类型：
>>> ser.astype('category') 0 1 1 2 dtype: category Categories (2, int64): [1, 2]
使用自定义排序转换为有序类别类型：
>>> from pandas.api.types import CategoricalDtype >>> cat_dtype = CategoricalDtype( ... categories=[2, 1], ordered=True) >>> ser.astype(cat_dtype) 0 1 1 2 dtype: category Categories (2, int64): [2 < 1]
请注意，使用
copy=False而更改新Pandas对象的数据可能会传播更改：>>> s1 = pd.Series([1, 2]) >>> s2 = s1.astype('int64', copy=False) >>> s2[0] = 10 >>> s1 # note that s1[0] has changed too 0 10 1 2 dtype: int64
创建一系列日期：
>>> ser_date = pd.Series(pd.date_range('20200101', periods=3)) >>> ser_date 0 2020-01-01 1 2020-01-02 2 2020-01-03 dtype: datetime64[ns]