pandas100个骚操作：变量类型自动转换
关键时间，第一时间送达！
大家好，我是你们的东哥。
本篇是pandas100个骚操作的第一篇：变量类型自动转换
在用pandas进行数据清洗的过程中，变量的类型转换是一个必然会遇到的步骤。清洗初期查看dtypes经常出现object类型，但其实变量本身可能就是个字符串，或者是数字（但因存在空值，导致出现了object类型）。
通常大家所熟知的方法是使用astype进行类型转换，或者自己利用astype造个轮子，写个函数方法实现自动转换类型。
本次东哥介绍一个pandas里可实现自动转换变量类型的方法convert_dtypes。利用它可以一次性全部转换为最理想的类型。
一、使用方法
默认情况下，convert_dtypes将尝试将Series或DataFrame中的每个Series转换为支持的dtypes。它可以对Series和DataFrame都直接使用。
这个方法的参数如下。
# 是否应将对象dtypes转换为最佳类型
infer_objects bool，默认为True
# 对象dtype是否应转换为StringDtype()
convert_string bool，默认为True
# 如果可能，是否可以转换为整数扩展类型
convert_integer bool，默认为True
# 对象dtype是否应转换为BooleanDtypes()
convert_boolean bool，默认为True
# 如果可能，是否可以转换为浮动扩展类型。
# 如果convert_integer也为True，则如果可以将浮点数忠实地转换为整数，则将优先考虑整数dtype
convert_floating bool，默认为True
二、实例
下面看个例子。
首先创建一组数据，通过dtype规定每个变量的类型。
df = pd.DataFrame( { 'a': pd.Series([1, 2, 3], dtype=np.dtype('int32')), 'b': pd.Series(['x', 'y', 'z'], dtype=np.dtype('O')), 'c': pd.Series([True, False, np.nan], dtype=np.dtype('O')), 'd': pd.Series(['h', 'i', np.nan], dtype=np.dtype('O')), 'e': pd.Series([10, np.nan, 20], dtype=np.dtype('float')), 'f': pd.Series([np.nan, 100.5, 200], dtype=np.dtype('float')), })DataFraem 变量类型转换
先从整个对dataframe操作开始。
>>> df
a b c d e f
0 1 x True h 10.0 NaN
1 2 y False i NaN 100.5
2 3 z NaN NaN 20.0 200.0
>>> df.dtypesa int32b objectc objectd objecte float64f float64dtype: object通过结果可以看到，变量都是是创建时默认的类型。但其实变量是有整数、字符串、布尔的，其中有的还存在空值。
>>> dfn = df.convert_dtypes()
>>> dfn
a b c d e f
0 1 x True h 10 <NA>
1 2 y False i <NA> 100.5
2 3 z <NA> <NA> 20 200.0
下面使用convert_dtypes进行转换。
>>> dfn.dtypesa Int32b stringc booleand stringe Int64f Float64dtype: object变量类型已经转换为我们想要的了。
Series 变量类型转换
对Series的转换也是一样的。下面的Seires中由于存在nan空值所以类型为object。
s = pd.Series(['a', 'b', np.nan])
>>> s
0 a
1 b
2 NaN
dtype: object
然后我们通过convert_dtypes成功转换为String。
>>> s.convert_dtypes()0 a1 b2 <NA>dtype: string如果未来增加了新类型，convert_dtypes方法也会同步更新，并支持新的变量类型。