就地更改熊貓系列/數據框列的類型

Question

TL;DR ：我想就地更改熊貓數據框列的數據類型。

---

我有一個熊貓數據框：

df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6.1]})

默認情況下，它的列在我的系統上分配了“int64”和“float64”：

df.dtypes
Out[172]: 
a      int64
b    float64
dtype: object

因為我的數據框會非常大，所以我想在創建數據框后將列數據類型設置為 int32 和 float32。 我知道我該怎么做：

df['a'] = df['a'].astype(np.int32)
df['b'] = df['b'].astype(np.float32)

或者，一步：

df = df.astype({'a':np.int32, 'b':np.float32})

我的數據框的 dtypes 確實是：

df.dtypes
Out[180]: 
a      int32
b    float32
dtype: object

但是：這似乎很笨重，必須重新分配系列，尤其是。 因為許多 pandas 方法都有一個inplace kwarg。 但是，使用它似乎不起作用（從頂部的相同數據框開始）：

df['a'].astype(np.int32, inplace=True)

df.dtypes
Out[187]: 
a      int64
b    float64
dtype: object

有什么我在這里忽略的嗎？ 這是設計使然嗎？ 使用Series而不是DataFrame對象時會顯示相同的行為。

非常感謝，

Answer 1

您可以編寫自己的（仍然笨重的）就地版本：

def astype_inplace(df: pd.DataFrame, dct: Dict):
    df[list(dct.keys())] = df.astype(dct)[list(dct.keys())]

def astype_per_column(df: pd.DataFrame, column: str, dtype):
    df[column] = df[column].astype(dtype)

並像使用它一樣

astype_inplace(df, {'bool_col':'boolean'})

或者

astype_per_column(df, 'bool_col', 'boolean')

Answer 2

還有呢

>>> df.__dict__.update(df.astype({'a': np.int32, 'b': np.float32}).__dict__)
>>> df.dtypes
a      int32
b    float32
dtype: object

?

Answer 3

將列名及其數據類型作為字典作為 .astype() 中的參數傳遞

col_types = {'col_1':'type_1', 'col_4':'type_4'}
df = df.astype( col_types)

它將僅更改通過字典傳遞的列的數據類型

Answer 4

@ElRudi

當我閱讀精美手冊時： copy=False可能適合您的需要？

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.astype.html?highlight=astype#pandas.DataFrame.astype