![](/img/trans.png)
[英]Change values in a dataframe column with mixed types based on a condition
[英]Mixed types of elements in DataFrame's column
考慮以下三個DataFrame
:
df1 = pd.DataFrame([[1,2],[4,3]])
df2 = pd.DataFrame([[1,.2],[4,3]])
df3 = pd.DataFrame([[1,'a'],[4,3]])
以下是DataFrame
的第二列的類型:
In [56]: map(type,df1[1])
Out[56]: [numpy.int64, numpy.int64]
In [57]: map(type,df2[1])
Out[57]: [numpy.float64, numpy.float64]
In [58]: map(type,df3[1])
Out[58]: [str, int]
在第一種情況下,所有int
都被轉換為numpy.int64
。 精細。 在第三種情況下,基本上沒有鑄造。 但是,在第二種情況下,整數( 3
)被轉換為numpy.float64
; 可能因為其他數字是浮點數。
我怎樣才能控制鑄件? 在第二種情況下,我希望[float64, int64]
或[float, int]
作為類型。
使用可調用打印功能可以有一個替代方案來顯示在這里 。
def printFloat(x):
if np.modf(x)[0] == 0:
return str(int(x))
else:
return str(x)
pd.options.display.float_format = printFloat
pandas DataFrame(或系列)的列是同類型的。 你可以檢查此dtype
(或DataFrame.dtypes
):
In [14]: df1[1].dtype
Out[14]: dtype('int64')
In [15]: df2[1].dtype
Out[15]: dtype('float64')
In [16]: df3[1].dtype
Out[16]: dtype('O')
只有通用'object'
object'dtype可以包含任何python對象,並且這種方式也可以包含混合類型:
In [18]: df2 = pd.DataFrame([[1,.2],[4,3]], dtype='object')
In [19]: df2[1].dtype
Out[19]: dtype('O')
In [20]: map(type,df2[1])
Out[20]: [float, int]
但實際上不建議這樣做,因為這會破壞大熊貓的目的(或至少表現)。
您是否有理由在同一列中特別想要整數和浮點數?
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.