Назначьте типы столбцов фрейма данных pandas

Я хочу установить dtypes нескольких столбцов в pd.Dataframe(у меня есть файл, который мне пришлось вручную проанализировать в список списков, так как файл не подлежал обработке pd.read_csv)

import pandas as pd
print pd.DataFrame([['a','1'],['b','2']],
                   dtype={'x':'object','y':'int'},
                   columns=['x','y'])

я получил

ValueError: entry not a 2- or 3- tuple

Единственный способ их установить - это перебрать каждую переменную столбца и преобразовать ее с помощью astype.

dtypes = {'x':'object','y':'int'}
mydata = pd.DataFrame([['a','1'],['b','2']],
                      columns=['x','y'])
for c in mydata.columns:
    mydata[c] = mydata[c].astype(dtypes[c])
print mydata['y'].dtype   #=> int64

Есть ли способ лучше?

Начиная с версии 0.17, вы должны использовать явные преобразования:

pd.to_datetime, pd.to_timedelta and pd.to_numeric

(Как упоминалось ниже, больше никакой "магии" convert_objectsустарело в версии 0.17)

df = pd.DataFrame({'x': {0: 'a', 1: 'b'}, 'y': {0: '1', 1: '2'}, 'z': {0: '2018-05-01', 1: '2018-05-02'}})

df.dtypes

x    object
y    object
z    object
dtype: object

df

   x  y           z
0  a  1  2018-05-01
1  b  2  2018-05-02

Вы можете применить их к каждому столбцу, который хотите преобразовать:

df["y"] = pd.to_numeric(df["y"])
df["z"] = pd.to_datetime(df["z"])    
df

   x  y          z
0  a  1 2018-05-01
1  b  2 2018-05-02

df.dtypes

x            object
y             int64
z    datetime64[ns]
dtype: object

и убедитесь, что dtype обновлен.

СТАРЫЙ / УСТАРЕВШИЙ ОТВЕТ для панд convert_objects0,12–0,16: вы можете использовать для определения лучших типов dtypes:

In [21]: df
Out[21]: 
   x  y
0  a  1
1  b  2

In [22]: df.dtypes
Out[22]: 
x    object
y    object
dtype: object

In [23]: df.convert_objects(convert_numeric=True)
Out[23]: 
   x  y
0  a  1
1  b  2

In [24]: df.convert_objects(convert_numeric=True).dtypes
Out[24]: 
x    object
y     int64
dtype: object

Магия! (Печально видеть, что это устарело.)

Для тех, кто пришел из Google (и т. Д.), Таких как я:

convert_objects устарел с версии 0.17 - если вы его используете, вы получите предупреждение вроде этого:

FutureWarning: convert_objects is deprecated.  Use the data-type specific converters 
pd.to_datetime, pd.to_timedelta and pd.to_numeric.

Вы должны сделать что-то вроде следующего:

• df =df.astype(np.float)
• df["A"] =pd.to_numeric(df["A"])

вы можете явно установить типы с помощью pandas DataFrame.astype(dtype, copy=True, raise_on_error=True, **kwargs)и передать словарь с типами dtypes, которые вы хотитеdtype

вот пример:

import pandas as pd
wheel_number = 5
car_name = 'jeep'
minutes_spent = 4.5

# set the columns
data_columns = ['wheel_number', 'car_name', 'minutes_spent']

# create an empty dataframe
data_df = pd.DataFrame(columns = data_columns)
df_temp = pd.DataFrame([[wheel_number, car_name, minutes_spent]],columns = data_columns)
data_df = data_df.append(df_temp, ignore_index=True) 

In [11]: data_df.dtypes
Out[11]:
wheel_number     float64
car_name          object
minutes_spent    float64
dtype: object

data_df = data_df.astype(dtype= {"wheel_number":"int64",
        "car_name":"object","minutes_spent":"float64"})

теперь вы можете видеть, что это изменилось

In [18]: data_df.dtypes
Out[18]:
wheel_number       int64
car_name          object
minutes_spent    float64

Другой способ установить типы столбцов - сначала создать массив записей с желаемыми типами, заполнить его, а затем передать его конструктору DataFrame.

import pandas as pd
import numpy as np    

x = np.empty((10,), dtype=[('x', np.uint8), ('y', np.float64)])
df = pd.DataFrame(x)

df.dtypes ->

x      uint8
y    float64

столкнулся с аналогичной проблемой с вами. В моем случае у меня есть тысячи файлов из журналов cisco, которые мне нужно проанализировать вручную.

Чтобы быть гибким с полями и типами, я успешно протестировал с помощью StringIO + read_cvs, который действительно принимает dict для спецификации dtype.

Я обычно помещаю каждый из файлов (5-20 тысяч строк) в буфер и динамически создаю словари dtype.

В конце концов я объединяю (с категориальным ... благодаря 0.19) эти фреймы данных в большой фрейм данных, который выгружаю в hdf5.

Что-то в этом роде

import pandas as pd
import io 

output = io.StringIO()
output.write('A,1,20,31\n')
output.write('B,2,21,32\n')
output.write('C,3,22,33\n')
output.write('D,4,23,34\n')

output.seek(0)


df=pd.read_csv(output, header=None,
        names=["A","B","C","D"],
        dtype={"A":"category","B":"float32","C":"int32","D":"float64"},
        sep=","
       )

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
A    5 non-null category
B    5 non-null float32
C    5 non-null int32
D    5 non-null float64
dtypes: category(1), float32(1), float64(1), int32(1)
memory usage: 205.0 bytes
None

Не очень питонический .... но выполняет свою работу

Надеюсь, поможет.

JC

Лучше использовать типизированные np.arrays, а затем передавать данные и имена столбцов в качестве словаря.

import numpy as np
import pandas as pd
# Feature: np arrays are 1: efficient, 2: can be pre-sized
x = np.array(['a', 'b'], dtype=object)
y = np.array([ 1 ,  2 ], dtype=np.int32)
df = pd.DataFrame({
   'x' : x,    # Feature: column name is near data array
   'y' : y,
   }
 )