programming python

Nhập mã Python

Pandas là một trong những thư viện phân tích dữ liệu phổ biến giúp hiểu được những hiểu biết sâu sắc về dữ liệu. Mỗi DataFrame đi kèm với bộ sưu tập dữ liệu 2 chiều. Trong bài viết này, bạn sẽ tìm hiểu về phương thức astype[] và tầm quan trọng của nó trong Python

Phương thức astype[]

Khung dữ liệu. Phương thức astype[] giúp chuyển một đối tượng Pandas sang một kiểu dữ liệu đã chỉ định. Phương pháp này cũng cho phép chuyển đổi bất kỳ cột DataFrame hiện có tiêu chuẩn nào sang bất kỳ loại xác định nào. Điều này trở nên rất hữu ích khi các lập trình viên muốn chuyển bất kỳ cột nào hoặc toàn bộ dữ liệu của DataFrame từ loại này sang loại khác

cú pháp

DataFrame.astype[dtype, copy = True, errors = ’raise’]

ở đâu, dtype là bất kỳ NumPy hợp lệ nào. dtype hoặc kiểu dữ liệu Python yêu cầu hàm truyền toàn bộ DataFrame hoặc đối tượng cột của nó sang loại được đề cập đó. Tham số sao chép trả về một bản sao của dữ liệu khi giá trị sao chép được đặt thành True. Cuối cùng, thông số lỗi sẽ kiểm soát việc đưa ra các ngoại lệ nếu có hoặc tìm thấy bất kỳ dữ liệu không hợp lệ nào cho dtype

Ví dụ

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

đầu ra

Bây giờ, áp dụng phương thức astype[] ở dòng tiếp theo, bạn có thể thay đổi hoặc chuyển đổi loại của DataFrame thành bất kỳ loại dữ liệu hợp lệ nào khác.
>>> df. kiểu chữ ['int32']. kiểu chữ

đầu ra

astype[] với các đối tượng DataFrame

Danh mục là một loại dữ liệu khác giúp các nhà phân tích dữ liệu quản lý các giá trị DataFrame. Theo mặc định, DataFrames được tạo bằng từ điển có dạng Đối tượng / loại dữ liệu. Tuy nhiên, nếu bạn sử dụng astype[] thì bạn có thể chuyển đổi chúng thành loại danh mục

Khung dữ liệu. Hàm astype[] được sử dụng để truyền kiểu dữ liệu cột [dtype] trong đối tượng pandas, nó hỗ trợ String, flat, date, int, datetime bất kỳ nhiều kiểu dữ liệu nào khác được hỗ trợ bởi Numpy. Điều này rất hữu ích khi bạn muốn truyền cột DataFrame từ loại dữ liệu này sang loại dữ liệu khác

pandas astype[] Điểm chính –

Nó được sử dụng để truyền kiểu dữ liệu [dtype]
Hỗ trợ thay đổi nhiều kiểu dữ liệu bằng Dict
Hỗ trợ tất cả các loại dữ liệu đi kèm với Numpy

1. Khung dữ liệu. astype[] Cú pháp

Sau đây là cú pháp của


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

0. Hàm này nhận các tham số


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

2 và


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object


# astype[] Syntax
DataFrame.astype[dtype, copy=True, errors='raise']

Sau đây là các tham số của hàm


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

1 – Chấp nhận một numpy. dtype hoặc kiểu Python để chuyển toàn bộ đối tượng pandas thành cùng loại. Sử dụng {col. dtype, …}, trong đó col là nhãn cột và dtype là numpy. dtype hoặc loại Python để truyền một hoặc nhiều cột của DataFrame


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

2 -Mặc định Đúng. Trả lại một bản sao khi


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

7 [hãy hết sức cẩn thận khi đặt


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

8 vì các thay đổi đối với giá trị sau đó có thể lan sang các đối tượng gấu trúc khác]


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

3 – Tăng mặc định

Sử dụng 'raise' để tạo ngoại lệ khi không thể truyền do dữ liệu không hợp lệ cho loại
Sử dụng 'bỏ qua' để không tăng ngoại lệ [bỏ lỗi/ngoại lệ]. Khi có lỗi trả về đối tượng ban đầu

2. Khung dữ liệu. astype[] – Truyền kiểu dữ liệu cho tất cả các cột [dtype]

Theo mặc định, hàm gấu trúc


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

4 cố gắng truyền tất cả các cột DataFrame sang các loại

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

41 hoặc Python đã chỉ định [int, string, float, date, datetime]. Nếu bất kỳ cột nào không thể truyền do dữ liệu hoặc nan không hợp lệ, nó sẽ phát sinh lỗi 'ValueError. nghĩa đen không hợp lệ' và không hoạt động

Ví dụ dưới đây minh họa truyền tất cả các kiểu dữ liệu cột


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

Khung dữ liệu. dtypes trả về tên Cột và dtypes cho tất cả các cột DataFrame. Lưu ý rằng DataFrame ở trên có các loại đối tượng cho tất cả các cột

Bây giờ, hãy truyền kiểu dữ liệu thành số nguyên có dấu 64 bit, bạn có thể sử dụng

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

42,

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

43,

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

44 hoặc

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

45 làm tham số. Để chuyển sang số nguyên có dấu 32 bit, hãy sử dụng

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

46,

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

Lưu ý rằng nó đã cập nhật tất cả các cột với dtype mới

Hãy truyền nó thành Chuỗi, sử dụng

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

48 hoặc

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

Hãy chuyển nó sang kiểu float bằng cách sử dụng


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

50,


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

51,


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

3. Thay đổi loại cột cụ thể

Bạn cũng có thể thay đổi loại cột cụ thể bằng cách sử dụng hàm


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

53, vì mỗi cột trên DataFrame là pandas Series, mình sẽ lấy cột từ DataFrame là Series và sử dụng hàm


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

4. Trong ví dụ dưới đây,


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

55 hoặc


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

56 trả về đối tượng Sê-ri


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

4. astype[] – Truyền nhiều cột bằng Dict

Tham số


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

1 của hàm


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

4 cũng hỗ trợ Từ điển ở định dạng {col. dtype, …} trong đó col là nhãn cột và dtype là loại

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

41 hoặc Python [int, string, float, date, datetime] để truyền một hoặc nhiều cột DataFrame


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

Bây giờ, bằng cách sử dụng hàm pandas


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

0, chuyển cột


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

91 thành ________ 149, cột ________ 293 thành ________ 145 và cột ________ 295 thành


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

5. astype[] với lỗi tăng hoặc bỏ qua

Cuối cùng, hãy xem cách bạn có thể tăng hoặc bỏ qua lỗi trong khi truyền, để làm như vậy, bạn nên sử dụng thông số


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

3. Theo mặc định, nó sử dụng


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

98 làm giá trị, nghĩa là tạo ra ngoại lệ khi không thể truyền do dữ liệu không hợp lệ cho loại

Từ cột DataFrame


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

91 của chúng tôi có dữ liệu

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

49, hãy truyền dữ liệu này tới

import numpy as np
import pandas as pd
dat = {'c1': [12, 14], 'c2': [16, 18]}
df = pd.DataFrame[data = dat]
df.dtypes

45 và xem điều gì sẽ xảy ra


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

Như bạn thấy, nó đã gây ra lỗi khi không thể truyền. Bây giờ, hãy loại bỏ ngoại lệ bằng cách sử dụng giá trị bỏ qua đối với thông số lỗi. Với điều này, khi xảy ra lỗi, nó sẽ bỏ qua lỗi và trả về cùng một đối tượng mà không cần cập nhật


import pandas as pd
import numpy as np
# Create DataFrame from Dictionary
technologies = {
    'Fee' :["20000","25000","26000"],
    'Discount':["1000","2300","1500"]
              }
df = pd.DataFrame[technologies]
print[df.dtypes]

# Outputs
Fee         object
Discount    object
dtype: object

Phần kết luận

Trong bài viết này, tôi đã giải thích về DataFrame của gấu trúc. cú pháp astype[], ví dụ về truyền toàn bộ DataFrame, cột cụ thể, nhiều cột thành numpy. dtype hoặc kiểu Python [int, string, float, date, datetime]

Astype[] trong Python là gì?

Phương thức astype[] trả về một DataFrame mới trong đó các loại dữ liệu đã được thay đổi thành loại đã chỉ định . Bạn có thể truyền toàn bộ DataFrame thành một loại dữ liệu cụ thể hoặc bạn có thể sử dụng Từ điển Python để chỉ định loại dữ liệu cho từng cột, như thế này. { 'Khoảng thời gian'. 'int64', 'Xung'. 'phao', 'Calo'. 'int64' }

Công dụng của hàm Astype là gì?

phương thức astype[] được sử dụng để chuyển một đối tượng pandas sang một loại dtype đã chỉ định . hàm astype[] cũng cung cấp khả năng chuyển đổi bất kỳ cột hiện có phù hợp nào thành loại phân loại. Khung dữ liệu. hàm astype[] rất tiện dụng khi chúng ta muốn đặt một kiểu dữ liệu cột cụ thể thành một kiểu dữ liệu khác.

Astype int là gì?

astype[] là một phương thức trong numpy. ndarray , cũng như lớp Pandas Series, do đó có thể được sử dụng để chuyển đổi vectơ, ma trận và cột trong DataFrame . Tuy nhiên, int[] là một hàm Python thuần túy chỉ có thể được áp dụng cho các giá trị vô hướng.

Astype float là gì?

hàm astype[] để chuyển đổi cột từ chuỗi/int thành float , bạn có thể áp dụng điều này trên một cột cụ thể hoặc trên toàn bộ DataFrame. Để truyền kiểu dữ liệu thành float có chữ ký 54 bit, bạn có thể sử dụng numpy. float64 , gọn gàng. float_ , float , float64 làm tham số.