pandas將表中的字符串轉(zhuǎn)成數(shù)值型

在用pd.read_csv讀數(shù)據(jù)時(shí)，將要轉(zhuǎn)換數(shù)據(jù)類型的列名和類型名構(gòu)成字典，傳給dtype

import numpy as np
import pandas as pd

path = 'house_data.csv'
col = ['CRIM', 'ZN', 'INDUS', 'CHAS', 'NOX', 'RM', 'AGE', 'DIS',
? ? ? ?'RAD', 'TAX', 'PTRATIO', 'B', 'LSTAT', 'MEDV']
dict_dtype = {}
for i in col:
? ? dict_dtype[i] = np.float64
# print(dict_dtype)

data = pd.read_csv(path, header=None, names=col, sep=',', dtype=dict_dtype)

擴(kuò)展：pandas 把某一列中字符串變數(shù)值_Pandas對文本數(shù)據(jù)處理

在處理數(shù)據(jù)的時(shí)候,對數(shù)值型的數(shù)據(jù)處理還是比較方便的,但是有時(shí)候數(shù)值型數(shù)據(jù)出現(xiàn)問題后就會(huì)比較頭痛了,因?yàn)槲谋緮?shù)據(jù)的排列組合可是有很多很多的,今天我們就學(xué)習(xí)一下如何對文本數(shù)據(jù)進(jìn)行處理,這樣我們接下來在工作中遇到了這些情況就可以少掉一下頭發(fā)啦。

一、str屬性

文本數(shù)據(jù)也就是我們常說的字符串,pandas為series提供了str屬性,通過它可以方便對每個(gè)元素進(jìn)行操作。

為了防止數(shù)據(jù)被弄壞,我們先預(yù)留一個(gè)備份以防萬一。

這里我們是不能使用backup_user_info = user_info的因?yàn)檫@樣的話一個(gè)更改另外一個(gè)也會(huì)更改。

在之前我們也已經(jīng)了解過,在對series中每個(gè)元素處理時(shí),我們可以使用map或apply方法,比如我們想把星球列下面的地球和外星轉(zhuǎn)換為英文,可以使用下面的方式。

這時(shí)候我們在將表恢復(fù)成原來的樣子。

將哪個(gè)星球列下的星球改為大寫的英文后再改為小寫

首先更改為英文

然后設(shè)置一個(gè)函數(shù),將星球改為大寫,原理為upper()方法

然后在設(shè)置為小寫,原理為lower方法

給英雄們的身高加上一個(gè)單位

我們通過str屬性來訪問之后用到的方法名與 Python 內(nèi)置的字符串的方法名一樣。并且能夠自動(dòng)排除缺失值。 我們再來試試其他一些方法。例如，統(tǒng)計(jì)每個(gè)字符串的長度。

將cm替換成空白的字符串

將身高列的元素類型轉(zhuǎn)換為整數(shù)型

生成一個(gè)新的列,列名為姓名的長度,元素為英雄姓名的長度(len方法)

查看表的元素類型

將年不年輕列的中的中年屬性更改為中老年屬性

查看城市列中每個(gè)元素有幾個(gè)字

查看年不年輕列中每個(gè)元素是否有輕這個(gè)字符串

二、替換和分隔

使用.srt屬性也支持替換與分割操作。先來看下替換操作，例如：將大寫的R轉(zhuǎn)換為小寫的r。

將列中的數(shù)據(jù)進(jìn)行分隔

將是否年輕按年進(jìn)行分隔,結(jié)果如上所述。

分割列表中的元素可以使用 get 或 [] 符號進(jìn)行訪問：

比如說電影的主演有很多人, 可能是用逗號, 或者/ 進(jìn)行分割, 這是可以用這種方法轉(zhuǎn)換成列表

在表中添加一列英雄的愛人列

將愛人列以,號分隔

這時(shí)候就可以讓某一行的這個(gè)元素以列表表現(xiàn)出來。

將索引列改為英雄姓名,并查看蜘蛛俠和滅霸的愛人

三、提取子串

既然是在操作字符串，很自然的大家可能會(huì)想到是否可以從一個(gè)長的字符串中提取出子串。答案是可以的。

1、提取第一個(gè)匹配的子串

extract方法接受一個(gè)正則表達(dá)式并至少包含一個(gè)捕獲組，指定參數(shù) expand=True可以保證每次都返回DataFrame。例如，現(xiàn)在想要匹配空字符串前面的所有的字母，可以使用如下操作：

查看哪位英雄的所在的星球包括E這個(gè)字符串

查看哪位英雄所在的城市包括紐這個(gè)字符串

四、生成啞變量

首先我們先了解一下什么是啞變量:

啞變量原名為虛擬變量 ( Dummy Variables) 又稱虛設(shè)變量、名義變量或啞，用以反映質(zhì)的屬性的一個(gè)人工變量，是量化了的自變量，通常取值為0或1。引入啞變量可使線形回歸模型變得更復(fù)雜，但對問題描述更簡明，一個(gè)方程能達(dá)到兩個(gè)方程的作用，而且接近現(xiàn)實(shí)。

在pandas中我們可以通過get_dummies 方法可以將字符串轉(zhuǎn)為啞變量，sep 參數(shù)是指定啞變量之間的分隔符。

對英雄姓名進(jìn)行啞變量轉(zhuǎn)換

從結(jié)果可以看出,第0行的英雄姓名是蜘蛛俠,第1行的英雄姓名是滅霸,啞變量轉(zhuǎn)換就是將每一個(gè)選擇匹配哪一行的數(shù)據(jù)。

對那個(gè)星球進(jìn)行啞變量轉(zhuǎn)換

從結(jié)果可以看出,在地球的英雄是第0、2、3、4、6行的,對應(yīng)的英雄名稱為(蜘蛛俠、奇異博士、鋼鐵俠、蝙蝠俠、黑寡婦)

到此這篇關(guān)于pandas將表中的字符串轉(zhuǎn)成數(shù)值型的文章就介紹到這了,更多相關(guān)pandas字符串轉(zhuǎn)成數(shù)值型內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！