Tipo de trama de datos de Pandas: sintaxis, tipos de datos, creación de tramas de datos

Python es uno de los lenguajes más utilizados en varias industrias para fines de análisis y manipulación de datos. La principal razón detrás de la popularidad de Python es su amplio conjunto de bibliotecas que facilita a los desarrolladores el mantenimiento y el control de los datos. Una de esas bibliotecas escritas para Python es Pandas . La biblioteca Pandas , en particular, se utiliza para manipular series temporales y tablas. Consulte nuestros cursos de ciencia de datos para obtener más información sobre los pandas.

El marco de datos de Pandas . El método astype () o, a veces, también denominado astype (), se utiliza para convertir objetos pandas en un dtype. función astype (). Es particularmente muy útil cuando necesitamos convertir el tipo de datos de una o varias columnas de una tabla a otra.

Sintaxis de Pandas DataFrame.astype()

En primer lugar, antes de discutir la sintaxis, necesitamos importar la biblioteca de Pandas, lo cual se hace de la siguiente manera:

importar pandas como pd

La sintaxis de DataFrame. El método astype () es:

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

Parámetros

Descripción

Valor por defecto

tipo de d

Utiliza numpy.dtype o el tipo de Python para convertir todo el objeto al mismo tipo. Alternativamente, también puede usar {col: dtype, ?} donde col es la etiqueta de la columna, y dtype funcionará de la misma manera para convertir una o más de las columnas de DataFrame en tipos específicos de columna.

tipo de d

Copiar

Devuelve una copia cuando se establece en True (establecer copy=false puede propagar cambios en los valores a otros objetos pandas ).

Cierto

errores

Controla las excepciones que surgen en datos no válidos para el dtype dado.

aumentar

kwargs

Argumentos de palabras clave para pasar al constructor.

Devoluciones : casted: devolución similar al tipo de llamador.

Leer: Marcos de datos en Python

Tipos de datos en la biblioteca de Pandas

Ahora desde Pandas DataFrame. El método astype () se trata de convertir y cambiar los tipos de datos en las tablas, veamos los tipos de datos y su uso en la biblioteca de Pandas .

1. Objeto : se utiliza para texto o valores alfanuméricos.

2. Int64 : se utiliza para números enteros.

3. Flotador64 : Se utiliza para números de coma flotante.

4. Bool : Usado para valores Verdadero/Falso.

5. Datetime64 : se utiliza para valores de fecha y hora.

6. Timedelta[ns] : se utiliza para las diferencias entre dos fechas y horas.

7. Categoría : se utiliza para una lista de valores de texto.

Creando un DataFrame en la biblioteca de Pandas

Hay dos formas de crear un marco de datos en un objeto pandas . Podemos crear una tabla o insertar un archivo CSV existente. El código para insertar un archivo existente es:

df = pd.read_csv(“ nombre_archivo.csv ”)

La sintaxis para crear una nueva tabla para el marco de datos es:

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

df = pd.DataFrame(datos=t)

Debe leer: Tutorial de Python Panda para principiantes

Uso del método Pandas Dataframe.astype()

Una vez que hayamos insertado la tabla y el marco de datos en el objeto pandas , podemos comenzar a convertir los tipos de datos de una o más columnas de la tabla. Podemos verificar los tipos de datos de los valores antes de convertirlos usando el código df.dtypes o df.info() . Ambos códigos mostrarán los tipos de datos de cada columna de la tabla.

Otra cosa a tener en cuenta es que el DataFrame. El método astype () puede dar un error si el marco de datos tiene valores nan o NA. Entonces, antes de continuar, debemos borrar todos los valores nan de la tabla. La sintaxis para descartar valores nan o NA es:

df.dropna(inplace = True)

Convertir todas las columnas de un marco de datos

Sintaxis: df. astype (' tipo_datos ').dtypes

El tipo de datos de todo el marco de datos se convertirá al valor que ponemos en ' data_type. '

Conversión de columnas específicas de un marco de datos

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

"col_name" aquí requiere un nombre de columna como entrada. Independientemente del nombre de la columna que ingresemos, el tipo de datos de esa columna se cambiará al valor que proporcionamos en ' tipo_datos.'

Conversión de varias columnas a la vez

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

Todo lo que hicimos aquí fue separar todas las columnas que queremos convertir con una coma. El " col_name " y el ' data_type ' en la sintaxis requieren los mismos valores que se requieren al convertir una sola columna.

Resumiendo

Así funciona el Pandas DataFrame. Se utiliza el método astype (). Python es actualmente uno de los lenguajes de programación preferidos, ya que también ha puesto un pie en el aprendizaje automático y la ciencia de datos. Si desea saber cómo se usa Python en estos dos campos y cómo puede ayudarlo en su carrera en ciencia de datos , puede leerlo todo en nuestro blog. Puede visitar el sitio web de Upgrad para obtener un programa Executive PG en Data Science o una certificación PG en Machine Learning y Deep