如何在pandas数据框架中按列设置数据类型

Question

我想在pandas数据框中引入一些数据，并且在导入时为每一列分配数据类型。我希望能够对具有许多不同列的较大数据集执行此操作，但作为示例：

myarray = np.random.randint(0,5,size=(2,2))
mydf = pd.DataFrame(myarray,columns=['a','b'], dtype=[float,int])
mydf.dtypes

结果：

TypeError: data type not understood

我尝试了其他一些方法，例如：

mydf = pd.DataFrame(myarray,columns=['a','b'], dtype={'a': int})

TypeError: object of type 'type' has no len()

如果我放置dtype=(float,int)，它将对两列应用浮点格式。

最后，我希望能够像传递列名列表一样传递一个数据类型列表。

Answer 1

我刚刚碰到这个问题，熊猫的问题还没有解决，所以我正在发布我的解决方案。假设df是我的数据帧，dtype是将列名映射到类型的dict：

for k, v in dtype.items():
    df[k] = df[k].astype(v)

（注意：在python 2中使用dtype.iteritems()）

供参考：

• 允许的数据类型列表（NumPydtypes）：https://docs.scipy.org/doc/numpy-1.12.0/reference/arrays.dtypes.html
• 熊猫还支持其他一些类型。E、 g.，category：http://pandas.pydata.org/pandas-docs/stable/categorical.html
• 相关的GitHub问题：https://github.com/pandas-dev/pandas/issues/9287

Answer 2

您可能希望尝试将对象的字典传递给Series构造函数-它将为您提供对创建的更具体的控制，并希望更清楚地了解发生了什么。模板版本（data1可以是数组等）：

df = pd.DataFrame({'column1':pd.Series(data1, dtype='type1'),
                   'column2':pd.Series(data2, dtype='type2')})

以数据为例：

df = pd.DataFrame({'A':pd.Series([1,2,3], dtype='int'),
                   'B':pd.Series([7,8,9], dtype='float')})

print (df)
   A  B
0  1  7.0
1  2  8.0
2  3  9.0

print (df.dtypes)
A     int32
B    float64
dtype: object

Answer 3

从pandas版本0.24.2（当前稳定版本）开始，无法将数据类型的显式列表作为docs状态传递给DataFrame构造函数：

dtype : dtype, default None

    Data type to force. Only a single dtype is allowed. If None, infer

但是，dataframe类确实有一个静态方法，允许您将numpy结构数组转换为dataframe，这样您就可以：

>>> myarray = np.random.randint(0,5,size=(2,2))
>>> record = np.array(map(tuple,myarray),dtype=[('a',np.float),('b',np.int)])
>>> mydf = pd.DataFrame.from_records(record)
>>> mydf.dtypes
a    float64
b      int64
dtype: object