（八）Pandas 数据类型

痛定思痛。 2022-12-25 10:54 246阅读 0赞

### 目录 ###

*   *  一：Numpy的数据类型：
     *   *  1：ndarray： n维数组类型：
         *  2： pandas数据类型：
     *  二：数据类型转换：
     *   *  1： 转换成字符串对象：
         *  2：转换成数值类型：
         *  3:变量变成数值类型：
         *  三：分类数据：
         *  1：转换成category类型的数据：

## 一：Numpy的数据类型： ##

### 1：ndarray： n维数组类型： ###

1： 使用ndarray进行数据的存储：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70]  
2：ndarrayN维数组与python中多维数组的区别：

> 1: 速度快。  
> 2：ndarray在内存中存储的是会开辟一段连续的空间，存储的是值，而python中的list存储的是数据所在内存空间的地址。  
> 3：ndarray支持并行化运算，因为Numpy底层是C语言编写的，内部解除了GIL锁，其对数组的操作速度不受Python解释器的限制，效率远高于纯Python代码。

3： ndarray的属性：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 1]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 2]  
4： ndarray的形状：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 3]  
5： ndarray的类型：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 4]  
创建数据的时候指定类型：  
![在这里插入图片描述][20201201163443794.png]

### 2： pandas数据类型： ###

1：了解Pandas的数据类型：  
Pandas 是基于Numpy的，很多功能都依赖于Numpy的ndarray实现的，Pandas的数据类型很多与Numpy类似，属性也有很多类似。  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 5]  
2: 下载seaborn,将文件中所有的数据导入到自己电脑的seaborn\_data文件中：  
1： 根据地址下载：地址：https://github.com/mwaskom/seaborn-data  
2：解压中的文件，将文件复制到自己电脑的seaborn文件夹下：我的seaborn文件夹的位置：

> C:\\Users\\11737\\seaborn-data

2： 查看数据类型：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 6]

## 二：数据类型转换： ##

### 1： 转换成字符串对象： ###

*  1：在tips数据中，sex、smoker、day 和 time 变量都是category类型。通常，如果变量不是数值类型，应先将其转换成字符串类型以便后续处理。
 *  2：:有些数据集中可能含有id列，id的值虽然是数字，但对id进行计算（求和，求平均等）没有任何意义，在某些情况下，可能需要把它们转换为字符串对象类型。
 *  3：把一列的数据类型转换为字符串，可以使用astype方法。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 7]

### 2：转换成数值类型： ###

*  1：astype方法是通用函数，可用于把DataFrame中的任何列转换为其他dtype。
 *  2：可以向astype方法提供任何内置类型或numpy类型来转换列的数据类型。

1：让total\_bill先转换成字符串，再转换成float类型：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 8]

### 3:变量变成数值类型： ###

*  1：如果想把变量转换为数值类型（int，float），还可以使用pandas的to\_numeric函数。
 *  2：DataFrame每一列的数据类型必须相同，当有些数据中有缺失，但不是NaN时（如missing,null等），会使整列数据变成字符串类型而不是数值型，这个时候可以使用to\_numeric处理。

1: 构造数据：  
![在这里插入图片描述][20201201173736867.png]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 9]

2：查看数据的类型：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 10]  
3: 尝试使用astype强制更改回类型;

> tips\_sub\_miss\[‘total\_bill’\].astype(float)

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 11]  
3：使用to\_numeric函数进行转换：

> to\_numeric函数有一个参数errors,它决定了当该函数遇到无法转换的数值时该如何处理,默认情况下,该值为raise,如果to\_numeric遇到无法转换的值时,会抛错。  
> coerce: 如果to\_numeric遇到无法转换的值时,会返回NaN  
> ignore: 如果to\_numeric遇到无法转换的值时会放弃转换,什么都不做  
> to\_numeric函数还有一个downcast参数, downcast接受的参数为 ‘integer’,‘signed’,‘float’,‘unsigned’  
> downcast参数设置为float之后, total\_bill的数据类型由float64变为float32

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 12]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 13]  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 14]

### 三：分类数据： ###

*  Pandas 有一种类别数据, category,用于对分类值进行编码。

### 1：转换成category类型的数据： ###

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 15]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70]: /images/20221120/fa460275d5124187b993dc7e8f00dcf9.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 1]: /images/20221120/32261bee10e841d49b2ba5fc4d9f0c95.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 2]: /images/20221120/924c5f6cf4c84b06b7352f713dff2abc.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 3]: /images/20221120/37315394cdcc4f0ebb422746625ca004.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 4]: /images/20221120/355079ccb47b4312bea254f8b1506edb.png
[20201201163443794.png]: /images/20221120/28469cda15654a02a4bf32adbcc99d17.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 5]: /images/20221120/8759eae8d49946dfbc0df3ff89e9b521.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 6]: /images/20221120/46170287213447519ec8d398f3a1a829.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 7]: /images/20221120/3e4093efda77424e877c55e4f9ca6ffe.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 8]: /images/20221120/e30191a271c544788ef7b4bb884e9810.png
[20201201173736867.png]: /images/20221120/1059bc5e2a224a8ab131c996bc29efef.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 9]: /images/20221120/9bd92427c43b418eaa0e4244633909b4.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 10]: /images/20221120/1a993a30128744c4b7e0c8fce243691f.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 11]: /images/20221120/a97a030564504b9ebf43cfcb1d957549.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 12]: /images/20221120/1338046915534b508e5f05b7b47d5216.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 13]: /images/20221120/8acc676847894bad9a5b87b80d9391ce.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 14]: /images/20221120/9dffd482838f45329bfa93862b127d83.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3FxXzQxMzQxNzU3_size_16_color_FFFFFF_t_70 15]: /images/20221120/2ec354a5ca7c4294baf691355cc318ca.png