Pandas Dataframe Astype: Sintaxe, Tipos de Dados, Criando Dataframe

Python é uma das linguagens mais usadas em vários setores para fins de manipulação e análise de dados. A maior razão por trás da popularidade do Python é seu vasto conjunto de bibliotecas que simplifica para os desenvolvedores manter e monitorar dados. Uma dessas bibliotecas escritas para Python é Pandas . A biblioteca Pandas , em particular, é usada para manipular séries temporais e tabelas. Confira nossos cursos de ciência de dados para saber mais sobre pandas.

O Pandas DataFrame. o método astype () ou às vezes também chamado de astype () é usado para converter objetos pandas em um dtype. função astype (). É particularmente muito útil quando precisamos converter o tipo de dados de uma ou várias colunas de uma tabela para outra.

Sintaxe de Pandas DataFrame.astype()

Primeiramente, antes de discutir a sintaxe, precisamos importar a biblioteca Pandas, o que é feito por:

importar pandas como pd

A sintaxe para DataFrame. o método astype () é:

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

Parâmetros

Descrição

Valor padrão

dtype

Usa numpy.dtype ou o tipo Python para converter o objeto inteiro no mesmo tipo. Alternativamente, ele também pode usar {col: dtype, ?} onde col é o rótulo da coluna e dtype funcionará da mesma forma para converter uma ou mais colunas do DataFrame em tipos específicos de coluna.

dtype

cópia de

Retorna uma cópia ao definir como True (configurar copy=false pode propagar alterações nos valores para outros objetos pandas ).

Verdadeiro

erros

Controla a geração de exceções em dados inválidos para o dtype fornecido.

levantar

kwargs

Argumentos de palavra-chave para passar para o construtor.

Returns : casted: retorno semelhante ao tipo de chamador.

Leia: Data Frames em Python

Tipos de dados na biblioteca Pandas

Agora, desde o Pandas DataFrame. astype () é sobre converter e alterar tipos de dados em tabelas, vamos ver os tipos de dados e seu uso na biblioteca Pandas .

1. Objeto : Usado para texto ou valores alfanuméricos.

2. Int64 : Usado para números inteiros.

3. Float64 : Usado para números de ponto flutuante.

4. Bool : Usado para valores Verdadeiro/Falso.

5. Datetime64 : Usado para valores de data e hora.

6. Timedelta[ns] : Usado para diferenças entre dois datetimes.

7. Categoria : Usado para uma lista de valores de texto.

Criando um DataFrame na biblioteca Pandas

Existem duas maneiras de criar um quadro de dados em um objeto pandas . Podemos criar uma tabela ou inserir um arquivo CSV existente. O código para inserir um arquivo existente é:

df = pd.read_csv(“ file_name.csv ”)

A sintaxe para criar uma nova tabela para o data frame é:

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

df = pd.DataFrame(data=t)

Deve ler: Tutorial do Python Panda para iniciantes

Usando o método Pandas Dataframe.astype()

Depois de inserir a tabela e o dataframe no objeto pandas , podemos começar a converter os tipos de dados de uma ou mais colunas da tabela. Podemos verificar os tipos de dados dos valores antes de convertê-los usando o código df.dtypes ou df.info() . Ambos os códigos exibirão os tipos de dados de cada coluna da tabela.

Outra coisa a notar é que o DataFrame. o método astype () pode dar um erro se o quadro de dados tiver valores nan ou NA. Portanto, antes de prosseguir, precisamos limpar todos os valores nan da tabela. A sintaxe para descartar valores nan ou NA é:

df.dropna(inplace = True)

Convertendo todas as colunas de um dataframe

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

Todo o tipo de dados do dataframe será convertido para o valor que colocamos em ' data_type. '

Convertendo colunas específicas de um dataframe

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

“col_name” aqui requer um nome de coluna como entrada. Qualquer que seja o nome da coluna que colocarmos, o tipo de dados dessa coluna será alterado para o valor que fornecemos em ' data_type.'

Convertendo várias colunas de uma vez

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

Tudo o que fizemos aqui foi separar todas as colunas que queremos converter com uma vírgula. O “ col_name ” e ' data_type ' na sintaxe requerem os mesmos valores necessários ao converter uma única coluna.

Resumindo

É assim que o Pandas DataFrame. o método astype () é usado. Atualmente, o Python é uma das linguagens de programação mais preferidas, pois também colocou um pé no aprendizado de máquina e na ciência de dados. Se você quer saber como o Python está sendo usado nesses dois campos, e como ele pode ajudar na sua carreira em Data Science , você pode ler tudo sobre isso em nosso blog. Você pode visitar o site da Upgrad para obter um Programa PG Executivo em Ciência de Dados ou certificação PG em Machine Learning e Deep