Astype str python pandas

pandas.DataFrame.astype#

Use a str, numpy.dtype, pandas.ExtensionDtype or Python type to cast entire pandas object to the same type. Alternatively, use a mapping, e.g. , where col is a column label and dtype is a numpy.dtype or Python type to cast one or more of the DataFrame’s columns to column-specific types.

copy bool, default True

Return a copy when copy=True (be very careful setting copy=False as changes to values then may propagate to other pandas objects).

errors , default ‘raise’

Control raising of exceptions on invalid data for provided dtype.

• raise : allow exceptions to be raised
• ignore : suppress exceptions. On error return original object.

Convert argument to datetime.

Convert argument to timedelta.

Convert argument to a numeric type.

Cast a numpy array to a specified type.

Changed in version 2.0.0: Using astype to convert from timezone-naive dtype to timezone-aware dtype will raise an exception. Use Series.dt.tz_localize() instead.

>>> d = 'col1': [1, 2], 'col2': [3, 4]> >>> df = pd.DataFrame(data=d) >>> df.dtypes col1 int64 col2 int64 dtype: object 

Cast all columns to int32:

>>> df.astype('int32').dtypes col1 int32 col2 int32 dtype: object 

Cast col1 to int32 using a dictionary:

>>> df.astype('col1': 'int32'>).dtypes col1 int32 col2 int64 dtype: object 

>>> ser = pd.Series([1, 2], dtype='int32') >>> ser 0 1 1 2 dtype: int32 >>> ser.astype('int64') 0 1 1 2 dtype: int64 

Convert to categorical type:

>>> ser.astype('category') 0 1 1 2 dtype: category Categories (2, int32): [1, 2] 

Convert to ordered categorical type with custom ordering:

>>> from pandas.api.types import CategoricalDtype >>> cat_dtype = CategoricalDtype( . categories=[2, 1], ordered=True) >>> ser.astype(cat_dtype) 0 1 1 2 dtype: category Categories (2, int64): [2 < 1]

>>> ser_date = pd.Series(pd.date_range('20200101', periods=3)) >>> ser_date 0 2020-01-01 1 2020-01-02 2 2020-01-03 dtype: datetime64[ns] 

Источник

pandas.Series.astype#

Use a str, numpy.dtype, pandas.ExtensionDtype or Python type to cast entire pandas object to the same type. Alternatively, use a mapping, e.g. , where col is a column label and dtype is a numpy.dtype or Python type to cast one or more of the DataFrame’s columns to column-specific types.

copy bool, default True

Return a copy when copy=True (be very careful setting copy=False as changes to values then may propagate to other pandas objects).

errors , default ‘raise’

Control raising of exceptions on invalid data for provided dtype.

• raise : allow exceptions to be raised
• ignore : suppress exceptions. On error return original object.

Convert argument to datetime.

Convert argument to timedelta.

Convert argument to a numeric type.

Cast a numpy array to a specified type.

Changed in version 2.0.0: Using astype to convert from timezone-naive dtype to timezone-aware dtype will raise an exception. Use Series.dt.tz_localize() instead.

>>> d = 'col1': [1, 2], 'col2': [3, 4]> >>> df = pd.DataFrame(data=d) >>> df.dtypes col1 int64 col2 int64 dtype: object 

Cast all columns to int32:

>>> df.astype('int32').dtypes col1 int32 col2 int32 dtype: object 

Cast col1 to int32 using a dictionary:

>>> df.astype('col1': 'int32'>).dtypes col1 int32 col2 int64 dtype: object 

>>> ser = pd.Series([1, 2], dtype='int32') >>> ser 0 1 1 2 dtype: int32 >>> ser.astype('int64') 0 1 1 2 dtype: int64 

Convert to categorical type:

>>> ser.astype('category') 0 1 1 2 dtype: category Categories (2, int32): [1, 2] 

Convert to ordered categorical type with custom ordering:

>>> from pandas.api.types import CategoricalDtype >>> cat_dtype = CategoricalDtype( . categories=[2, 1], ordered=True) >>> ser.astype(cat_dtype) 0 1 1 2 dtype: category Categories (2, int64): [2 < 1]

>>> ser_date = pd.Series(pd.date_range('20200101', periods=3)) >>> ser_date 0 2020-01-01 1 2020-01-02 2 2020-01-03 dtype: datetime64[ns] 

Источник

Как преобразовать столбцы Pandas DataFrame в строки

Часто вы можете захотеть преобразовать один или несколько столбцов в кадре данных pandas в строки. К счастью, это легко сделать с помощью встроенной функции pandas astype(str) .

В этом руководстве показано несколько примеров использования этой функции.

Пример 1: преобразование одного столбца DataFrame в строку

Предположим, у нас есть следующие Pandas DataFrame:

import pandas as pd #create DataFrame df = pd.DataFrame() #view DataFrame df player points assists 0 A 25 5 1 B 20 7 2 C 14 7 3 D 16 8 4 E 27 11 

Мы можем определить тип данных каждого столбца с помощью dtypes:

df.dtypes player object points int64 assists int64 dtype: object 

Мы видим, что столбец «игрок» представляет собой строку, а два других столбца «очки» и «ассисты» — целые числа.

Мы можем преобразовать столбец «точки» в строку, просто используя astype(str) следующим образом:

df['points'] = df['points'].astype( str ) 

Мы можем убедиться, что этот столбец теперь является строкой, еще раз используя dtypes:

df.dtypes player object points object assists int64 dtype: object 

Пример 2. Преобразование нескольких столбцов DataFrame в строки

Мы можем преобразовать оба столбца «точки» и «ассисты» в строки, используя следующий синтаксис:

df[['points', 'assists']] = df[['points', 'assists']].astype( str ) 

И еще раз мы можем проверить, что это строки, используя dtypes:

df.dtypes player object points object assists object dtype: object 

Пример 3: преобразование всего фрейма данных в строки

Наконец, мы можем преобразовать каждый столбец в DataFrame в строки, используя следующий синтаксис:

#convert every column to strings df = df.astype(str) #check data type of each column df.dtypes player object points object assists object dtype: object 

Вы можете найти полную документацию по функции astype() здесь .

Источник