Kolumna Pandas Typ do ciągu

Pod koniec tego samouczka zrozumiesz, jak użyć funkcji asyPepe () w pandy. Ta funkcja pozwala rzucić obiekt do określonego typu danych.

Chodźmy odkrywać.

Składnia funkcji

Składnia funkcji jest jak pokazano poniżej:

Ramka danych.Astype (DTYPE, copy = true, errors = „Raise”)

Parametry funkcji są takie jak pokazano:

1. DTYPE - Określa docelowy typ danych, na który jest rzucany obiekt pandas. Możesz także podać słownik z typem danych każdej kolumny docelowej.
2. Kopia - Określa, czy operacja jest wykonywana na miejscu, i.mi., wpływa na oryginalną ramkę danych lub tworzenie kopii.
3. Błędy - ustawia błędy na „podnieś” lub „ignoruj.'

Wartość zwracana

Funkcja zwraca ramkę danych z określonym obiektem przekonwertowanym na docelowy typ danych.

Przykład

Spójrz na przykładowy kod pokazany poniżej:

# Importuj pandy
importować pandy jako PD
df = pd.Ramka danych(
„col1”: [10,20,30,40,50],
„col2”: [60,70,80,90,100],
„col3”: ​​[110,120,130,140,150],
indeks = [1,2,3,4,5]
)
df

Konwertuj int na float

Aby przekonwertować „col1” na wartości zmiennoprzecinkowe, możemy zrobić:

df.col1.istype („float64”, copy = true)

Powyższy kod powinien przekonwertować „col1” na pływaki, jak pokazano na poniższym wyjściu:

Konwertuj na wiele typów

Możemy również przekonwertować wiele kolumn na różne typy danych. Na przykład konwertujemy „col1” na float64 i „col2” na ciąg w poniższym kodzie.

drukuj (f „przed: df.Dtypes \ n ”)
df = df.asype (
„col1”: „float64”,
„col2”: „ciąg”
)
druk (f "po: df.Dtypes ”)

W powyższym kodzie przekazujemy kolumnę i docelowy typ danych jako słownik.

Powstałe typy są jak pokazane:

Konwertuj DataFrame na ciąg

Aby przekonwertować całą ramkę danych na typ ciągu, możemy wykonać następujące czynności:

df.ApplyMap (STR)

Powyższe powinno rzucić całą ramkę danych na typy ciągów.

Wniosek

W tym artykule omówiliśmy sposób konwersji kolumny panda z jednego typu danych na inny. Omówiliśmy również sposób konwersji całej strumienia danych na typ ciągu.

Szczęśliwe kodowanie!!