pandas DataFrame convert_dtypes的具體使用

更新時間：2025年05月06日 11:17:07 作者：liuweidong0802

pandas.DataFrame.convert_dtypes?是一個方法,用于將 DataFrame 中的數(shù)據(jù)類型轉換為更合適的類型,本文就來介紹一下pandas DataFrame convert_dtypes的具體使用,感興趣的可以了解一下

Pandas2.2 DataFrame

Conversion

方法	描述
DataFrame.astype(dtype[, copy, errors])	用于將 DataFrame 中的數(shù)據(jù)轉換為指定的數(shù)據(jù)類型
DataFrame.convert_dtypes([infer_objects, …])	用于將 DataFrame 中的數(shù)據(jù)類型轉換為更合適的類型

pandas.DataFrame.convert_dtypes

pandas.DataFrame.convert_dtypes 是一個方法，用于將 DataFrame 中的數(shù)據(jù)類型轉換為更合適的類型。這個方法可以幫助自動推斷和轉換數(shù)據(jù)類型，使得數(shù)據(jù)處理更加高效和準確。

方法簽名

DataFrame.convert_dtypes(infer_objects=True, convert_string=True, convert_integer=True, convert_boolean=True, convert_floating=True, dtype_backend='numpy_nullable')

參數(shù)說明

infer_objects: 布爾值，默認為 True，表示是否嘗試將 object 類型的列轉換為更具體的類型（如 int64 或 float64）。
convert_string: 布爾值，默認為 True，表示是否將 object 類型的列轉換為 string 類型。
convert_integer: 布爾值，默認為 True，表示是否將 object 類型的列轉換為 integer 類型。
convert_boolean: 布爾值，默認為 True，表示是否將 object 類型的列轉換為 boolean 類型。
convert_floating: 布爾值，默認為 True，表示是否將 object 類型的列轉換為 floating 類型。
dtype_backend: 字符串，默認為 'numpy_nullable'，表示使用的數(shù)據(jù)類型后端?？梢允?nbsp;'numpy_nullable' 或 'pyarrow'。

返回值

返回一個新的 DataFrame，其中數(shù)據(jù)類型已轉換。

示例

假設有一個 DataFrame 如下：

import pandas as pd

data = {
    'A': ['1', '2', '3'],
    'B': ['1.1', '2.2', '3.3'],
    'C': ['True', 'False', 'True'],
    'D': ['x', 'y', 'z']
}

df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n數(shù)據(jù)類型:")
print(df.dtypes)

輸出:

原始 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A object
B object
C object
D object
dtype: object

示例1：使用默認參數(shù)轉換數(shù)據(jù)類型

df_converted = df.convert_dtypes()
print("轉換后的 DataFrame:")
print(df_converted)
print("\n數(shù)據(jù)類型:")
print(df_converted.dtypes)

結果:

轉換后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A Int64
B Float64
C boolean
D string
dtype: object

示例2：禁用 convert_string

df_converted_no_string = df.convert_dtypes(convert_string=False)
print("禁用 convert_string 后的 DataFrame:")
print(df_converted_no_string)
print("\n數(shù)據(jù)類型:")
print(df_converted_no_string.dtypes)

結果:

禁用 convert_string 后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A Int64
B Float64
C boolean
D object
dtype: object

示例3：禁用 convert_integer

df_converted_no_integer = df.convert_dtypes(convert_integer=False)
print("禁用 convert_integer 后的 DataFrame:")
print(df_converted_no_integer)
print("\n數(shù)據(jù)類型:")
print(df_converted_no_integer.dtypes)

結果:

禁用 convert_integer 后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A object
B Float64
C boolean
D string
dtype: object

示例4：禁用 convert_boolean

df_converted_no_boolean = df.convert_dtypes(convert_boolean=False)
print("禁用 convert_boolean 后的 DataFrame:")
print(df_converted_no_boolean)
print("\n數(shù)據(jù)類型:")
print(df_converted_no_boolean.dtypes)

結果:

禁用 convert_boolean 后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A Int64
B Float64
C object
D string
dtype: object

示例5：禁用 convert_floating

df_converted_no_floating = df.convert_dtypes(convert_floating=False)
print("禁用 convert_floating 后的 DataFrame:")
print(df_converted_no_floating)
print("\n數(shù)據(jù)類型:")
print(df_converted_no_floating.dtypes)

結果:

禁用 convert_floating 后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A Int64
B object
C boolean
D string
dtype: object

通過這些示例，可以看到 pandas.DataFrame.convert_dtypes 方法如何自動推斷和轉換 DataFrame 中的數(shù)據(jù)類型。這些方法在數(shù)據(jù)預處理和類型轉換時非常有用。

注意事項

convert_dtypes 方法可以將 DataFrame 中的數(shù)據(jù)類型轉換為更合適的類型。
可以通過設置不同的參數(shù)來控制哪些類型的轉換應該被啟用或禁用。
dtype_backend 參數(shù)可以指定使用的數(shù)據(jù)類型后端，例如 'numpy_nullable' 或 'pyarrow'。
這些轉換可以幫助提高數(shù)據(jù)處理的效率和準確性。

示例代碼及驗證

為了驗證 pandas.DataFrame.convert_dtypes 方法的效果，可以運行上述示例代碼并查看輸出結果。

import pandas as pd

# 創(chuàng)建一個示例 DataFrame
data = {
    'A': ['1', '2', '3'],
    'B': ['1.1', '2.2', '3.3'],
    'C': ['True', 'False', 'True'],
    'D': ['x', 'y', 'z']
}

df = pd.DataFrame(data)
print("原始 DataFrame:")
print(df)
print("\n數(shù)據(jù)類型:")
print(df.dtypes)

# 使用默認參數(shù)轉換數(shù)據(jù)類型
df_converted = df.convert_dtypes()
print("\n轉換后的 DataFrame:")
print(df_converted)
print("\n數(shù)據(jù)類型:")
print(df_converted.dtypes)

# 禁用 convert_string
df_converted_no_string = df.convert_dtypes(convert_string=False)
print("\n禁用 convert_string 后的 DataFrame:")
print(df_converted_no_string)
print("\n數(shù)據(jù)類型:")
print(df_converted_no_string.dtypes)

# 禁用 convert_integer
df_converted_no_integer = df.convert_dtypes(convert_integer=False)
print("\n禁用 convert_integer 后的 DataFrame:")
print(df_converted_no_integer)
print("\n數(shù)據(jù)類型:")
print(df_converted_no_integer.dtypes)

# 禁用 convert_boolean
df_converted_no_boolean = df.convert_dtypes(convert_boolean=False)
print("\n禁用 convert_boolean 后的 DataFrame:")
print(df_converted_no_boolean)
print("\n數(shù)據(jù)類型:")
print(df_converted_no_boolean.dtypes)

# 禁用 convert_floating
df_converted_no_floating = df.convert_dtypes(convert_floating=False)
print("\n禁用 convert_floating 后的 DataFrame:")
print(df_converted_no_floating)
print("\n數(shù)據(jù)類型:")
print(df_converted_no_floating.dtypes)

運行結果

運行上述代碼后，你會看到以下輸出：

原始 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A object
B object
C object
D object
dtype: object

轉換后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A Int64
B Float64
C boolean
D string
dtype: object

禁用 convert_string 后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A Int64
B Float64
C boolean
D object
dtype: object

禁用 convert_integer 后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A object
B Float64
C boolean
D string
dtype: object

禁用 convert_boolean 后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A Int64
B Float64
C object
D string
dtype: object

禁用 convert_floating 后的 DataFrame:
A B C D
0 1 1.1 True x
1 2 2.2 False y
2 3 3.3 True z

數(shù)據(jù)類型:
A Int64
B object
C boolean
D string
dtype: object

到此這篇關于pandas DataFrame convert_dtypes的具體使用的文章就介紹到這了,更多相關pandas DataFrame convert_dtypes內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

您可能感興趣的文章:

Python創(chuàng)建文件和追加文件內(nèi)容實例
這篇文章主要介紹了Python創(chuàng)建文件和追加文件內(nèi)容實例,本文同時給出了把標準輸出定向到文件實例,需要的朋友可以參考下
2014-10-10
python基于watchdog庫實現(xiàn)文件系統(tǒng)監(jiān)控
Watchdog庫是Python中一個用于監(jiān)控文件系統(tǒng)變化的第三方庫,它能夠實時監(jiān)測文件或目錄的創(chuàng)建,修改,刪除等操作,下面我們來看看如何利用watchdog實現(xiàn)文件系統(tǒng)監(jiān)控吧
2025-04-04
odoo?為可編輯列表視圖字段搜索添加查詢過濾條件的詳細過程
Odoo 是基于 Python 寫的一系列開源商業(yè)應用程序套裝，前身是 OpenERP，這篇文章主要介紹了odoo?為可編輯列表視圖字段搜索添加查詢過濾條件,需要的朋友可以參考下
2023-02-02
python實現(xiàn)nao機器人身體軀干和腿部動作操作
這篇文章主要為大家詳細介紹了python實現(xiàn)nao機器人身體軀干和腿部動作操作，具有一定的參考價值，感興趣的小伙伴們可以參考一下
2019-04-04
Pandas封裝Excel工具類的方法步驟
本文主要介紹了Pandas封裝Excel工具類的方法步驟，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
2023-04-04
基于Tensorflow高階讀寫教程
今天小編就為大家分享一篇基于Tensorflow高階讀寫教程，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
2020-02-02
詳解Python可視化神器Yellowbrick使用
Yellowbrick是由一套被稱為"Visualizers"組成的可視化診斷工具組成的套餐，其由Scikit-Learn API延伸而來，對模型選擇過程其指導作用。這篇文章主要介紹了Python可視化神器Yellowbrick使用,需要的朋友可以參考下
2019-11-11
python采集天氣數(shù)據(jù)并做數(shù)據(jù)可視化
本文主要介紹了python采集天氣數(shù)據(jù)并做數(shù)據(jù)可視化，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
2022-07-07
Python實戰(zhàn)之生成有關聯(lián)單選問卷
這篇文章主要為大家分享了一個Python實戰(zhàn)小案例——生成有關聯(lián)單選問卷，并且能根據(jù)問卷總分數(shù)生成對應判斷文案結果，感興趣的可以了解一下
2023-04-04
python?GUI多行輸入文本Text的實現(xiàn)
這篇文章主要介紹了python?GUI多行輸入文本Text的實現(xiàn)方式，具有很好的參考價值，希望對大家有所幫助。如有錯誤或未考慮完全的地方，望不吝賜教
2022-06-06