【Python】pandas模块中更改Series的数据类型

傷城~ 2023-06-23 04:57 12阅读 0赞

今天我们主要解决以下实际问题：一份黑名单数据存储在excel中，由于数据量庞大，现需要通过pandas找到某一列的重复数据，处理后再存入到excel中。  
pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的,主要数据结构为两个类：  
DataFrame: 可以理解为表格，类似于Excel的表格 pandas.core.frame.DataFrame  
Series: 表示单列。DataFrame包含多个列，即多个Series，每个Series都有名称。pandas.core.series.Series

Pandas所支持的数据类型（dtype）:   
1. float （float64）  
2. int （int64，uint64）  
3. bool   
4. datetime64\[ns\]  （2013-01-02）  
5. datetime64\[ns, tz\]   
6. timedelta\[ns\]   
7. category   
8. object （字符串）  
默认的数据类型是int64,float64

以下是原始的excel文件

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzM3OTY3ODY1_size_16_color_FFFFFF_t_70][]

先查看文件中Series每一列的数据类型

import pandas as pd
    
    # 更改数据类型
    def change_data_type():
        print(excel_df.dtypes)
    
    if __name__ == '__main__':
        excel_df = pd.read_excel('E:\zenglingwei\\test\\5.xlsx')
        change_data_type()

![2019121716080163.png][]

我们发现blacklistValue默认是int类型，但我们知道身份证18位，再次存入excel中时后面几位会变成0，所以我们需要对这列进行数据类型转换。主要有两种思路，一种是读取excel时转换，另外一种是读取后转换。

一、读取时全部转换为字符串，dtype='object'或者dtype='str'

import pandas as pd
    
    # 更改数据类型
    def change_data_type():
        print(excel_df.dtypes)
    
    if __name__ == '__main__':
        excel_df = pd.read_excel('E:\zenglingwei\\test\\5.xlsx',dtype='object')  # dtype='str'
        change_data_type()

![20191217161453175.png][]

二、读取时指定列转换为字符串，object或者str

# 更改数据类型
    def change_data_type():
        print(excel_df.dtypes)
    
    if __name__ == '__main__':
        excel_df = pd.read_excel('E:\zenglingwei\\test\\5.xlsx',dtype = {'blacklistValue' : object,'priority':str})  # dtype='str'
        change_data_type()

![20191217161817465.png][]

三、读取后转换为字符串： astype(str)，不可以使用astype(object)-->存入到excel时还是int类型。

import pandas as pd
    
    # 更改数据类型
    def change_data_type():
        excel_df[['blacklistValue','priority']] = excel_df[['blacklistValue','priority']].astype(str)
        print(excel_df.dtypes)
        excel_df.to_excel('excel_to_python.xls',sheet_name='sheet', index=False)
    
    if __name__ == '__main__':
        excel_df = pd.read_excel('E:\zenglingwei\\test\\5.xlsx')  # dtype='str'
        change_data_type()

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzM3OTY3ODY1_size_16_color_FFFFFF_t_70 1][]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzM3OTY3ODY1_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191217160230712.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzM3OTY3ODY1,size_16,color_FFFFFF,t_70
[2019121716080163.png]: https://img-blog.csdnimg.cn/2019121716080163.png
[20191217161453175.png]: https://img-blog.csdnimg.cn/20191217161453175.png
[20191217161817465.png]: https://img-blog.csdnimg.cn/20191217161817465.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzM3OTY3ODY1_size_16_color_FFFFFF_t_70 1]: https://img-blog.csdnimg.cn/20191217162656889.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3NpbmF0XzM3OTY3ODY1,size_16,color_FFFFFF,t_70