熊猫:将dtype'object'转换为int

Question

我已经在Pandas中读取了一个SQL查询,并且这些值以dtype'object'形式出现,尽管它们是字符串,日期和整数.我能够将日期'对象'转换为Pandas datetime dtype,但是在尝试转换字符串和整数时遇到错误.

这是一个例子:

>>> import pandas as pd
>>> df = pd.read_sql_query('select * from my_table', conn)
>>> df
    id    date          purchase
 1  abc1  2016-05-22    1
 2  abc2  2016-05-29    0
 3  abc3  2016-05-22    2
 4  abc4  2016-05-22    0

>>> df.dtypes
 id          object
 date        object
 purchase    object
 dtype: object

将df['date']日期转换为日期时间:

>>> pd.to_datetime(df['date'])
 1  2016-05-22
 2  2016-05-29
 3  2016-05-22
 4  2016-05-22
 Name: date, dtype: datetime64[ns] 

但是在尝试将其转换df['purchase']为整数时出现错误:

>>> df['purchase'].astype(int)
 ....
 pandas/lib.pyx in pandas.lib.astype_intsafe (pandas/lib.c:16667)()
 pandas/src/util.pxd in util.set_value_at (pandas/lib.c:67540)()

 TypeError: long() argument must be a string or a number, not 'java.lang.Long'

注意:我尝试时遇到类似的错误 .astype('float')

当试图转换为字符串时,似乎没有任何事情发生.

>>> df['id'].apply(str)
 1 abc1
 2 abc2
 3 abc3
 4 abc4
 Name: id, dtype: object

Answer 1

根据@piRSquared的评论记录对我有用的答案.

我需要先转换为字符串,然后转换为整数.

>>> df['purchase'].astype(str).astype(int)

Answer 2

df['col_name'] = pd.to_numeric(df['col_name'])

这是一个更好的选择

Answer 3

熊猫 >= 1.0

convert_dtypes

（自我）接受的答案没有考虑对象列中 NaN 的可能性。

df = pd.DataFrame({
     'a': [1, 2, np.nan], 
     'b': [True, False, np.nan]}, dtype=object) 
df                                                                         

     a      b
0    1   True
1    2  False
2  NaN    NaN

df['a'].astype(str).astype(int) # raises ValueError

这会令人窒息，因为 NaN 被转换为字符串“nan”，进一步尝试强制转换为整数将失败。为避免此问题，我们可以使用以下方法将列软转换为其相应的可为空类型convert_dtypes：

df.convert_dtypes()                                                        

      a      b
0     1   True
1     2  False
2  <NA>   <NA>

df.convert_dtypes().dtypes                                                 

a      Int64
b    boolean
dtype: object

如果您的数据中混有垃圾文本和整数，您可以将其pd.to_numeric用作初始步骤：

s = pd.Series(['1', '2', '...'])
s.convert_dtypes()  # converts to string, which is not what we want

0      1
1      2
2    ...
dtype: string 

# coerces non-numeric junk to NaNs
pd.to_numeric(s, errors='coerce')

0    1.0
1    2.0
2    NaN
dtype: float64

# one final `convert_dtypes` call to convert to nullable int
pd.to_numeric(s, errors='coerce').convert_dtypes() 

0       1
1       2
2    <NA>
dtype: Int64

Answer 4

这很简单

pd.factorize(df.purchase)[0]

例子：

labels, uniques = pd.factorize(['b', 'b', 'a', 'c', 'b'])`

labels, uniques = pd.factorize(['b', 'b', 'a', 'c', 'b'])`

labels
# array([0, 0, 1, 2, 0])

Answer 5

我的训练数据包含三个特征是对象，应用后将astype对象转换为数字，但在此之前，您需要执行一些预处理步骤：

train.dtypes

C12       object
C13       object
C14       Object

train['C14'] = train.C14.astype(int)

train.dtypes

C12       object
C13       object
C14       int32

Answer 6

要更改数据类型并将其保存到数据框中，需要替换新的数据类型，如下所示：

ds["cat"] = pd.to_numeric(ds["cat"])

或者

ds["cat"] = ds["cat"].astype(int)