Pandas Dataframe Astype: Syntax, Datentypen, Dataframe erstellen

Python ist eine der am häufigsten verwendeten Sprachen in verschiedenen Branchen für Datenmanipulations- und Analysezwecke. Der Hauptgrund für die Popularität von Python ist seine große Auswahl an Bibliotheken, die es Entwicklern leicht machen, Daten zu pflegen und zu überwachen. Eine solche für Python geschriebene Bibliothek ist Pandas . Insbesondere die Pandas -Bibliothek wird zur Manipulation von Zeitreihen und Tabellen verwendet. Sehen Sie sich unsere Data-Science-Kurse an, um mehr über Pandas zu erfahren.

Der Pandas DataFrame. astype () oder manchmal auch als astype () bezeichnete Methode wird verwendet, um Pandas - Objekte in einen dtype umzuwandeln. astype ()-Funktion. Es ist besonders nützlich, wenn wir den Datentyp einer oder mehrerer Spalten einer Tabelle in einen anderen konvertieren müssen.

Syntax von Pandas DataFrame.astype()

Bevor wir die Syntax besprechen, müssen wir zunächst die Pandas-Bibliothek importieren, was folgendermaßen geschieht:

pandas als pd importieren

Die Syntax für DataFrame. astype () Methode ist:

DataFrame.astype(dtype, copy=True, errors='raise', **kwargs)

Parameter

Beschreibung

Standardwert

dtyp

Verwendet numpy.dtype oder den Python-Typ, um das gesamte Objekt in denselben Typ umzuwandeln. Alternativ kann auch {col: dtype, ?} verwendet werden, wobei col die Spaltenbezeichnung ist und dtype genauso funktioniert, um eine oder mehrere Spalten des DataFrame in spaltenspezifische Typen umzuwandeln.

dtyp

Kopieren

Gibt eine Kopie zurück, wenn es auf True gesetzt wird (das Setzen von copy=false kann Änderungen an Werten an andere Pandas- Objekte weitergeben).

Wahr

Fehler

Steuert Ausnahmen, die bei ungültigen Daten für den angegebenen dtype ausgelöst werden.

heben

kwargs

An den Konstruktor zu übergebende Schlüsselwortargumente.

Rückgaben : gecastet: Rückgabe ähnlich dem Typ des Anrufers.

Lesen Sie: Datenrahmen in Python

Datentypen in der Pandas-Bibliothek

Jetzt seit Pandas DataFrame. Bei der Methode astype () geht es um das Umwandeln und Ändern von Datentypen in Tabellen. Schauen wir uns die Datentypen und ihre Verwendung in der Pandas - Bibliothek an.

1. Objekt : Wird für Text oder alphanumerische Werte verwendet.

2. Int64 : Wird für Ganzzahlen verwendet.

3. Float64 : Wird für Fließkommazahlen verwendet.

4. Bool : Wird für True/False-Werte verwendet.

5. Datetime64 : Wird für Datums- und Uhrzeitwerte verwendet.

6. Timedelta[ns] : Wird für Differenzen zwischen zwei Datumszeiten verwendet.

7. Kategorie : Wird für eine Liste von Textwerten verwendet.

Erstellen eines DataFrame in der Pandas-Bibliothek

Es gibt zwei Möglichkeiten, einen Datenrahmen in einem Pandas - Objekt zu erstellen. Wir können entweder eine Tabelle erstellen oder eine vorhandene CSV-Datei einfügen. Der Code zum Einfügen einer vorhandenen Datei lautet:

df = pd.read_csv(“ Dateiname.csv ”)

Die Syntax zum Erstellen einer neuen Tabelle für den Datenrahmen lautet:

t = {'Spalte 1': [1, 2], 'Spalte 2': [3, 4]}

df = pd.DataFrame(data=t)

Muss gelesen werden: Python Panda Tutorial für Anfänger

Verwenden der Dataframe.astype()-Methode von Pandas

Sobald wir die Tabelle und den Datenrahmen in das Pandas -Objekt eingefügt haben, können wir mit der Konvertierung der Datentypen einer oder mehrerer Spalten der Tabelle beginnen. Wir können die Datentypen von Werten überprüfen, bevor wir sie konvertieren, indem wir den Code df.dtypes oder df.info() verwenden . Diese beiden Codes zeigen die Datentypen jeder Spalte der Tabelle an.

Eine weitere zu beachtende Sache ist, dass der DataFrame. Die Methode astype () kann einen Fehler ausgeben, wenn der Datenrahmen nan- oder NA-Werte hat. Bevor wir fortfahren, müssen wir also alle nan-Werte aus der Tabelle löschen. Die Syntax zum Löschen von nan- oder NA-Werten lautet:

df.dropna(inplace = True)

Konvertieren aller Spalten eines Datenrahmens

Syntax: df. astype (' data_type '). dtypes

Der Datentyp des gesamten Datenrahmens wird in den Wert konvertiert, den wir in ' data_type. '

Konvertieren bestimmter Spalten eines Datenrahmens

Syntax: df. astype ({“ col_name ”: ' data_type '}).dtypes

„col_name“ erfordert hier einen Spaltennamen als Eingabe. Welchen Spaltennamen wir auch immer eingeben, der Datentyp dieser Spalte wird in den Wert geändert, den wir in „ data_type“ angeben.

Konvertieren mehrerer Spalten gleichzeitig

Syntax: df. astype ({„ Spaltenname “: „Datentyp“, „ Spaltenname “: „ Datentyp “, „ Spaltenname “: „ Datentyp “}).dtypes

Hier haben wir lediglich alle Spalten, die wir umwandeln wollen, mit einem Komma getrennt. „ Spaltenname “ und „ Datentyp “ in der Syntax erfordern die gleichen Werte wie beim Konvertieren einer einzelnen Spalte.

Zusammenfassend

So funktioniert der Pandas DataFrame. astype () Methode wird verwendet. Python ist derzeit eine der am meisten bevorzugten Programmiersprachen, da es auch einen Fuß in Machine Learning und Data Science gesetzt hat. Wenn Sie wissen möchten, wie Python in diesen beiden Bereichen verwendet wird und wie es Ihrer Karriere in Data Science helfen kann, können Sie alles darüber in unserem Blog lesen. Sie können die Website von Upgrad besuchen , um ein Executive PG-Programm in Data Science oder eine PG-Zertifizierung in Machine Learning und Deep zu erhalten