Pandas Dataframe Astype: 구문, 데이터 유형, 데이터 프레임 생성

Python은 데이터 조작 및 분석 목적으로 다양한 산업 분야에서 가장 많이 사용되는 언어 중 하나입니다. Python이 인기 있는 가장 큰 이유는 개발자가 데이터를 간단하게 유지 관리하고 모니터링할 수 있도록 하는 방대한 라이브러리 집합입니다. Python용으로 작성된 라이브러리 중 하나는 Pandas 입니다. 특히 Pandas 라이브러리는 시계열 및 테이블을 조작하는 데 사용됩니다. 판다에 대해 자세히 알아보려면 데이터 과학 과정을 확인하세요.

판다 스 데이터프레임. astype () 또는 때때로 astype () 메서드 라고도 하는 메서드는 pandas 객체를 dtype 으로 캐스팅하는 데 사용됩니다 . astype () 함수. 테이블의 하나 또는 여러 열의 데이터 형식을 다른 열로 변환해야 할 때 특히 매우 유용합니다.

Pandas DataFrame.astype()의 구문

먼저 구문을 논의하기 전에 Pandas 라이브러리를 가져와야 합니다. 이 작업은 다음과 같이 수행됩니다.

pandas를 pd로 가져오기

DataFrame의 구문입니다. astype () 메서드는 다음과 같습니다.

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

매개변수

설명

기본값

dtype

numpy.dtype 또는 Python 유형을 사용하여 전체 객체를 동일한 유형으로 캐스트합니다. 또는 {col: dtype, ?}를 사용할 수도 있습니다. 여기서 col은 열 레이블이고 dtype은 DataFrame의 열 중 하나 이상을 열별 유형으로 캐스트하기 위해 동일하게 작동합니다.

dtype

복사

True로 설정하면 복사본을 반환합니다(copy=false로 설정하면 값의 변경 사항을 다른 pandas 개체로 전파할 수 있음).

진실

오류

주어진 dtype에 대해 유효하지 않은 데이터에서 발생하는 예외를 제어합니다.

들어 올리다

콰르그

생성자에 전달할 키워드 인수입니다.

반환 값: 캐스트: 호출자의 유형과 유사한 반환.

읽기: Python의 데이터 프레임

Pandas 라이브러리의 데이터 유형

이제 Pandas DataFrame 이후. astype () 메소드는 테이블의 데이터 유형을 캐스팅하고 변경하는 것입니다. Pandas 라이브러리 에서 데이터 유형과 사용법을 살펴보겠습니다 .

1. 개체 : 텍스트 또는 영숫자 값에 사용됩니다.

2. Int64 : 정수로 사용.

3. 플로트64 : 부동 소수점 숫자에 사용됩니다.

4. Bool : True/False 값에 사용됩니다.

5. Datetime64 : 날짜 및 시간 값에 사용됩니다.

6. Timedelta[ns] : 두 날짜 시간의 차이에 사용됩니다.

7. 카테고리 : 텍스트 값 목록에 사용됩니다.

Pandas 라이브러리에서 DataFrame 만들기

pandas 개체 에서 데이터 프레임을 만드는 방법에는 두 가지가 있습니다 . 테이블을 생성하거나 기존 CSV 파일을 삽입할 수 있습니다. 기존 파일을 삽입하는 코드는 다음과 같습니다.

df = pd.read_csv(“파일명.csv ” )

데이터 프레임에 대한 새 테이블을 만드는 구문은 다음과 같습니다.

t = {'열 1': [1, 2], '열 2': [3, 4]}

df = pd.DataFrame(데이터=t)

필독: 초보자를 위한 Python Panda 튜토리얼

Pandas Dataframe.astype() 메서드 사용

pandas 객체 에 테이블과 데이터 프레임이 삽입되면 테이블 의 하나 이상의 열에 대한 데이터 유형 변환을 시작할 수 있습니다. df.dtypes 또는 df.info() 코드를 사용하여 변환하기 전에 값의 데이터 유형을 확인할 수 있습니다 . 이 두 코드 모두 테이블의 각 열에 대한 데이터 유형을 표시합니다.

주목해야 할 또 다른 사항은 DataFrame입니다. astype () 메서드는 데이터 프레임에 nan 또는 NA 값이 있으면 오류가 발생할 수 있습니다. 따라서 계속하기 전에 테이블에서 모든 nan 값을 지워야 합니다. nan 또는 NA 값을 삭제하는 구문은 다음과 같습니다.

df.dropna(inplace = True)

데이터 프레임의 모든 열 변환

구문: df. astype (' data_type ').dtypes

전체 데이터 프레임의 데이터 유형은 우리가 ' data_type 에 넣은 값으로 변환됩니다 . '

데이터 프레임의 특정 열 변환

구문: df. astype ({" col_name ": ' data_type '}).dtypes

여기서 "col_name" 은 입력으로 열 이름이 필요합니다. 어떤 열 이름을 입력하든 해당 열의 데이터 유형은 ' data_type'에 제공된 값으로 변경됩니다.

한 번에 여러 열 변환

구문: df. astype ({" col_name ": 'data_type', " col_name ": ' data_type ', " col_name ": ' data_type '}).dtypes

여기서 우리가 한 일은 변환하려는 모든 열을 쉼표로 구분하는 것뿐이었습니다. 구문 의 " col_name " 및 ' data_type '은 단일 열을 변환하는 동안 필요한 것과 동일한 값이 필요합니다.

요약

이것이 Pandas DataFrame입니다 . astype () 메서드를 사용합니다. Python은 머신 러닝 및 데이터 과학에도 발을 들였기 때문에 현재 가장 선호되는 프로그래밍 언어 중 하나입니다. Python이 이 두 분야에서 어떻게 사용되고 있으며 데이터 과학 경력에 어떻게 도움이 되는지 알고 싶다면 블로그에서 이에 대한 모든 내용을 읽을 수 있습니다. Upgrad의 웹사이트를 방문 하여 데이터 과학의 Executive PG 프로그램 또는 Machine Learning 및 Deep 의 PG 인증 을 받을 수 있습니다.