Автор оригинала: Pankaj Kumar.
В этой статье мы будем работать над важной концепцией – Тип данных Преобразование столбцов в DataFrame с использованием метода Python Astype () в деталях.
Понимание функции Python Astype ()
Перед темным погружением глубоко в концепцию преобразования типа данных с методом Python Astype () сначала рассмотрим следующий сценарий.
В области науки о науке и машине мы часто встречаемся на стадии, где нам нужно предварительно обрабатывать и преобразовывать данные. На самом деле, быть точным, преобразование значений данных является увлеченным шагом к моделированию.
Это когда преобразование столбцов данных входит в изображение.
Способ Python Astype () позволяет нам установить или преобразовывать тип данных существующего столбца данных в набор данных или кадр данных.
При этом мы можем изменить или преобразовать тип значений данных или одиночных или нескольких столбцов, чтобы вообще другую форму с помощью функции ASTYPE ().
Давайте теперь будем подробно сосредоточиться на синтаксисе функции ASSTYPE () в предстоящем разделе.
Синтаксис – Astype () Функция
Посмотрите на синтаксис ниже!
DataFrame.astype(dtype, copy=True, errors='raise')
- dtype : Тип данных, который мы хотим обратиться к всему кадру данных.
- Скопировать : Установив его к Правда Это создает еще одну копию набора данных, принудительного изменения к нему изменения.
- Ошибки : Установив его к ‘ поднять «Мы позволяем исключениям быть повышенным функцией. Если нет, мы можем установить его на ‘ игнорировать ‘.
Поняв синтаксис функции, давайте теперь сосредоточимся на реализации одинакового!
1. Python Astype () с dataframe
В этом примере мы создали Dataframe от Словарь Как показано ниже, используя Pandas.dataframe ()
метод.
Пример:
import pandas as pd data = {"Gender":['M','F','F','M','F','F','F'], "NAME":['John','Camili','Rheana','Joseph','Amanti','Alexa','Siri']} block = pd.DataFrame(data) print("Original Data frame:\n") print(block) block.dtypes
Выход:
Давайте посмотрим на исходные типы данных клавиш.
Original Data frame: Gender NAME 0 M John 1 F Camili 2 F Rheana 3 M Joseph 4 F Amanti 5 F Alexa 6 F Siri Gender object NAME object dtype: object
Теперь мы применили метод ASTYPE () в столбце «гендерной» и изменили тип данных в «категории».
block['Gender'] = block['Gender'].astype('category') block.dtypes
Выход:
Gender category NAME object dtype: object
2. Реализация Python Astype () с набором данных
Здесь мы импортировали набор данных, используя функцию pandas.read_csv (). Вы можете найти набор данных здесь.
Пример:
import pandas BIKE = pandas.read_csv("Bike.csv") BIKE.dtypes
Исходные типы данных столбцов-
temp float64 hum float64 windspeed float64 cnt int64 season_1 int64 season_2 int64 season_3 int64 season_4 int64 yr_0 int64 yr_1 int64 mnth_1 int64 mnth_2 int64 mnth_3 int64 mnth_4 int64 mnth_5 int64 mnth_6 int64 mnth_7 int64 mnth_8 int64 mnth_9 int64 mnth_10 int64 mnth_11 int64 mnth_12 int64 weathersit_1 int64 weathersit_2 int64 weathersit_3 int64 holiday_0 int64 holiday_1 int64 dtype: object
Теперь мы попытались изменить тип данных переменных «Season_1» и «TEMP». Таким образом, мы говорим, что с функцией ASTYPE () мы можем изменить типы данных нескольких столбцов в одном Go!
BIKE = BIKE.astype({"season_1":'category', "temp":'int64'}) BIKE.dtypes
Выход:
temp int64 hum float64 windspeed float64 cnt int64 season_1 category season_2 int64 season_3 int64 season_4 int64 yr_0 int64 yr_1 int64 mnth_1 int64 mnth_2 int64 mnth_3 int64 mnth_4 int64 mnth_5 int64 mnth_6 int64 mnth_7 int64 mnth_8 int64 mnth_9 int64 mnth_10 int64 mnth_11 int64 mnth_12 int64 weathersit_1 int64 weathersit_2 int64 weathersit_3 int64 holiday_0 int64 holiday_1 int64 dtype: object
Заключение
По этому, мы подошли к концу этой темы. Не стесняйтесь комментировать ниже, если вы столкнетесь с любым вопросом.
Для большего количества таких постов, связанных с Python, оставаться настроенными, а до тех пор, как потом, счастливое обучение !! 🙂.