Pandas中astype() 方法

在 Pandas 中，astype() 方法用于将 DataFrame 或 Series 的数据类型（dtype）转换为指定的数据类型。它是数据类型转换的常用方法，支持将列转换为多种类型，比如整数、浮点数、字符串、布尔值等。

`astype()` 的语法

DataFrame.astype(dtype, copy=True, errors='raise')

参数说明

dtype（必需参数）：
- 目标数据类型，可以是单一类型（如 'int'、'float'），也可以是字典形式指定列类型（如 {列名: 类型}）。
- 支持的类型包括：
  - 标准类型：int, float, str, bool, 等。
  - Numpy 类型：numpy.int32, numpy.float64 等。
  - Pandas 类型：category, datetime64 等。
- 示例：
  - 单列转换：astype('int')。
  - 多列转换：astype({'col1': 'int', 'col2': 'float'})。
copy（可选参数，默认为 True）：
- 是否返回数据的副本。如果为 False，则尽量避免复制原始数据。
errors（可选参数，默认为 'raise'）：
- 'raise'：如果转换失败，会抛出错误。
- 'ignore'：如果转换失败，不会报错，原数据保持不变。

常见使用场景

1. 转换单列的数据类型

将单个列转换为指定数据类型。

import pandas as pd

# 示例数据
data = {'A': ['1', '2', '3'], 'B': ['4.5', '5.5', '6.5']}
df = pd.DataFrame(data)

# 转换列 A 为整数
df['A'] = df['A'].astype(int)

# 转换列 B 为浮点数
df['B'] = df['B'].astype(float)

print(df.dtypes)

输出：

A      int64
B    float64
dtype: object

2. 转换多列的数据类型

可以通过字典同时为多列指定不同的数据类型。

df = pd.DataFrame({
    'A': ['1', '2', '3'],
    'B': ['True', 'False', 'True']
})

# 同时转换多列
df = df.astype({'A': 'int', 'B': 'bool'})
print(df.dtypes)

输出：

A     int64
B    bool
dtype: object

3. 转换为分类数据（`category`）

category 类型对于具有重复值的列可以显著节省内存。

df = pd.DataFrame({'A': ['apple', 'banana', 'apple', 'orange']})

# 转换为分类类型
df['A'] = df['A'].astype('category')
print(df.dtypes)

# 查看分类信息
print(df['A'].cat.categories)

输出：

A    category
dtype: object
Index(['apple', 'banana', 'orange'], dtype='object')

4. 处理转换错误

当某列的值不能成功转换时，可以通过 errors='ignore' 避免抛出错误。

df = pd.DataFrame({'A': ['1', '2', 'three']})

# 转换时忽略错误
df['A'] = df['A'].astype(int, errors='ignore')
print(df)

输出：

5. 转换为日期时间（`datetime64`）

astype() 也可用于转换为日期时间类型，但更推荐使用 pd.to_datetime()。

df = pd.DataFrame({'A': ['2024-01-01', '2024-02-01']})

# 转换为日期类型
df['A'] = df['A'].astype('datetime64[ns]')
print(df.dtypes)

输出：

A    datetime64[ns]
dtype: object

6. 转换为布尔类型

可以将 0、1 或字符串转换为布尔值。

df = pd.DataFrame({'A': [0, 1, 0, 1]})

# 转换为布尔类型
df['A'] = df['A'].astype(bool)
print(df.dtypes)

输出：

A    bool
dtype: object

注意事项

转换失败时的错误处理：
- 默认情况下（errors='raise'），如果某些值不能成功转换，会抛出错误。
- 如果希望忽略错误，可以设置 errors='ignore'。
丢失精度：
- 将浮点数转换为整数时，可能会丢失精度。例如：
```
df['A'] = df['A'].astype(int)
```
  如果列 A 包含小数，将抛出错误。
避免数据拷贝：
- 如果只需要修改原数据类型而不创建副本，可以设置 copy=False，但需谨慎操作，防止意外修改原数据。
处理空值（NaN）：
- 如果列包含空值，将数据类型转换为整数可能失败，因为空值默认是浮点类型。