在pandas DataFrame中为每列分配数据类型 - Python

Question

我希望更改在空Pandas数据框中输入的数据类型。所以我尝试了以下方法，但它不起作用。请问有人能给我提示如何解决这个问题吗？

columns=['A', 'B', 'C', 'D', 'E','F']


df = pd.DataFrame(columns=columns)

>>> df
Empty DataFrame
Columns: [A, B, C, D, E, F]
Index: []

df[[0]]=df[[0]].astype(str)
df[[1]]=df[[1]].astype(str)
df[[2]]=df[[2]].astype(int)
df.iloc[:,3:6]=df.iloc[:,3:6].astype(float)

- Kingindanord

---

在您的最小示例中，您指定了一些列的列表，然后结果df不显示这些列，那么对于一个空的df来说这有什么影响呢？一旦您为这些列分配数据，dtype将会改变。 - EdChum

我认为只有通过构造函数设置相同的数据类型，例如 df = pd.DataFrame(columns=columns, dtype=str)，才能在所有列中设置相同的数据类型。 - jezrael

是的，它可以工作。文档描述了它，因此df = pd.DataFrame(columns=columns, dtype=str)将会给出df.dtypes为objects。 - jkhadka

Answer 1

你想要构建一个包含所需类型的系列或字典，然后使用 astype。

columns = list('ABCDEF')
df = pd.DataFrame(columns=columns)

dtypes = {k: str for k in columns[:2]}
dtypes.update({columns[2]: int})
dtypes.update({k: float for k in columns[3:]})

df = df.astype(dtypes)

df.dtypes

A     object
B     object
C      int64
D    float64
E    float64
F    float64
dtype: object

- piRSquared

---

如果您有任何浮点数NaN，使用astype(str)将会将它们转换为"nan"的值。 - StingyJack

Answer 2

默认情况下，所有列都将是“object”类型，因此您可能不需要强制将列作为字符串类型。对于其他列类型，类似这样的方法可能有效吗？

df[['C']] = df[['C']].apply(pd.to_numeric)

- ShreyasG

Answer 3

我最初也遇到了这个问题，但我找到了解决方案：

1. 在Python中将数据框列转换为列表数据结构。
2. 然后在导入numpy包后将列表转换为系列。
3. 使用astype()函数转换为所需的数据类型。

代码：

list = list(data['unknown'])
series = pd.Series(list)
seriesOfTypeBool = g.astype(np.bool)
data['unknown'] = seriesOfTypeBool` <br>

简化版本：

data['Action'] = pd.Series(list(data['Action'])).astype(np.bool)

- Sureya Pragaash