技術標籤：.vue檔案怎麼使用groupby 之後的表格轉換成dataframeini檔案怎麼使用pandas object轉floatpandas 根據單號分類pandas修改資料型別

二、我怎麼讀寫表格檔案

1、我想分析泰坦尼克號乘客資料，它們儲存在csv檔案中。

importpandasaspd

titanic=pd.read_csv("./data/titanic.csv")

pandas提供的read_csv()函式可將csv檔案中的資料讀取到DataFrame中。pandas支援許多檔案格式：csv，excel，sql，jason，...。要讀取它們，可以使用字首read_

讀取資料之後最好應該檢查一下。輸入變數名，就可以展示出讀取的DataFrame，預設是展示前5行和後5行：

titanic

891 rows × 12 columns

2、我想檢視DataFrame的前8行。

titanic.head(8)

要檢視DataFrame的前N行資料，請使用head()方法，並把行數N作為引數。而檢視後N行，可以使用tail()方法，比如titanic.tail(10)將返回上面的DataFrame的後10行。

注：dtypes屬性記錄了每一列的資料型別，你可看一看pandas預設是怎麼儲存表格每一列資料的：

titanic.dtypes

PassengerId      int64
Survived         int64
Pclass           int64
Name            object
Sex             object
Age            float64
SibSp            int64
Parch            int64
Ticket          object
Fare           float64
Cabin           object
Embarked        object
dtype: object

可以看到，該DataFrame中資料型別包括整數(64位整型值int64表示)、浮點數(64位浮點數float64表示)、字串(object表示)。

3、我想把泰坦尼克號乘客的資料儲存到excel表格中。

titanic.to_excel('./data/titanic.xlsx',sheet_name='passengers',index=False)

正如 read_* 函式將檔案中的資料匯入記憶體中，to_* 方法可以將記憶體中儲存的資料寫入到檔案裡。比如：上述呼叫的to_excel()方法就能將titanic資料寫入到excel表格中，sheet_name引數用於修改寫入excel檔案的sheet名，index=False則表名，每行開始的行標籤不會被寫入到檔案中。

4、我想了解 DataFrame 的技術資訊

titanic.info()

RangeIndex: 891 entries, 0 to 890
Data columns (total 12 columns):
 #   Column       Non-Null Count  Dtype
---  ------       --------------  -----
 0   PassengerId  891 non-null    int64
 1   Survived     891 non-null    int64
 2   Pclass       891 non-null    int64
 3   Name         891 non-null    object
 4   Sex          891 non-null    object
 5   Age          714 non-null    float64
 6   SibSp        891 non-null    int64
 7   Parch        891 non-null    int64
 8   Ticket       891 non-null    object
 9   Fare         891 non-null    float64
 10  Cabin        204 non-null    object
 11  Embarked     889 non-null    object
dtypes: float64(2), int64(5), object(5)
memory usage: 83.7+ KB

info()方法展示了DataFrame的技術資訊，讓我們仔細看一下結果細節：

• 第一行的類名資訊表明它確實是一個DataFrame物件
• 共有891個條目，行標籤值從0到890。
• 共有12個列(不包括行標籤)，#列顯示各列的列號，Column列顯示了各列的列標籤，Non-Null Count列表示非空值的個數，可以看到大多數列第一行都有資料(891 non-null)，Age和Cabin列則不足891個非空值。
• Name，Sex，Cabin和Embarked列為文字資料，其他列都是數字型資料，包括整數和浮點數，它們都彙總在Dtype列。
• dtypes：統計了每種資料型別的個數
• 最後一行給出了DataFrame所佔用的記憶體大小。

--------------分割線----------------

pandas的資料型別(dtype)

pandas從numpy衍生而來，因而大多數資料型別(dtype)都與numpy相同，比如float(浮點型)，int(整型)，bool(布林型)，timedelta64[ns](64位的以納秒為單位的時間差型別)以及 datetime64[ns](不帶時區的64位的以納秒為單位的日期時間型別)。除此之外，pandas還擴充套件了一些新的資料型別，以下是一些常用的擴充套件型別：

注：object是一種特殊的資料型別，它可以儲存任何型別的python物件，當然也包括字串。由於歷史和相容性等原因，它一直作為文字資料的預設資料型別，但這並不值得推薦，pandas為此提供了String型別，因此在自定義型別時應儘量使用後者，在效能等方面更具優勢。

通常情況下，pandas會根據需要自動建立一種合適的資料型別(向上型別轉換upcasting)以相容所有資料，但你也可以根據自己的需要手動調整。

那麼如何改變資料的型別呢？

1. 你可以使用astype()方法，該方法會返回原DataFrame的副本(傳遞copy=False可以改變此行為)，如果轉變型別不合法，則會引發異常。

importnumpyasnp
importpandasaspd
df=pd.DataFrame({'A':pd.Series(np.random.randn(8),dtype='float16'),
'B':pd.Series(np.random.randn(8)),
'C':pd.Series(np.array(np.random.randn(8),
dtype='uint8'))})
df.dtypes

A    float16
B    float64
C      uint8
dtype: object

df.astype('float32').dtypes

A    float32
B    float32
C    float32
dtype: object

2. 下面這三個函式都是針對一維陣列的，它們可以將數組裡面的物件轉換成特定型別：

• pd.to_numeric()將陣列的型別轉換為數字型，根據資料的不同，返回float64和int64型別的資料。

m=['1.1',2,3]#包含了字串
pd.to_numeric(m)

array([1.1, 2. , 3. ])

• pd.to_datetime()將字串、python內建datetime物件、時間戳整數值等轉換為pandas的datetime型別。

importdatetime
m=['2016-07-09',datetime.datetime(2016,3,2)]
pd.to_datetime(m)

DatetimeIndex(['2016-07-09', '2016-03-02'], dtype='datetime64[ns]', freq=None)

pd.to_datetime(1490195805,unit='s')

Timestamp('2017-03-22 15:16:45')

• pd.to_timedelta()將字串資料等轉化為timedelta資料。

m=['5us',pd.Timedelta('1day')]
pd.to_timedelta(m)

TimedeltaIndex(['0 days 00:00:00.000005', '1 days 00:00:00'], dtype='timedelta64[ns]', freq=None)

3. infer_objects()方法。我們知道object是一個通用的資料型別，什麼都有。而在你剔除了某些“異類”之後不想再使用object型別時，你可以選擇呼叫它，它會將object型別轉換成一個推測(infer)的更好的型別。

df=pd.DataFrame({"A":["a",1,2,3]})
df.dtypes

A    object
dtype: object

df=df.iloc[1:]#刪掉第一行的字串
df.dtypes#仍是object型別

A    object
dtype: object

df.infer_objects().dtypes

A    int64
dtype: object

----------分割線-----------

to_excel()用法延伸

上面可知to_excel()方法可以將DataFrame儲存到Excel表格中，並用利用sheet_name引數修改相應的sheet名。那如果我想將兩個不同的DataFrame儲存到同一個Excel表格的不同sheet裡，像下面這樣對同一個檔案連續呼叫兩次to_excel()方法是否可以呢？

importnumpyasnp
df=pd.DataFrame({'A':pd.Series(np.random.randn(8),dtype='float16'),
'B':pd.Series(np.random.randn(8)),
'C':pd.Series(np.array(np.random.randn(8),
dtype='uint8'))})

titanic.to_excel('./data/multiplesheet.xlsx',sheet_name='titanic',index=False)
df.to_excel('./data/multiplesheet.xlsx',sheet_name='df',index=False)

開啟儲存的檔案檢查一下，

只有最後儲存的一個sheet，看來向同一個檔案連續呼叫兩次方法是行不通的。這是因為，to_excel()命令在資料寫入檔案後就會將檔案關閉以防止出現意外的寫入錯誤。因此第二次再呼叫時相當於重新開啟一遍該檔案，所有操作都會將原檔案覆蓋掉。那要怎麼解決這個問題呢？這時就需要python的上下文管理器with語句配合pandas支援的ExcelWriter(Excel編寫器)，ExcelWriter負責建立寫入檔案的物件，with語句則維持檔案開啟的狀態直到全部寫入操作完成。

withpd.ExcelWriter('./data/multiplesheet.xlsx')aswriter:
#建立一個寫入檔案的物件，並賦予writer別名，後續向writer寫入資料即可
titanic.to_excel(writer,sheet_name="titanic",index=False)
df.to_excel(writer,sheet_name="df",index=False)

再檢查一下檔案

成功將兩個DataFrame寫入到同一個Excel表格中。

---------------------分割線------------------------------------------

titanic.csv下載地址：

https://github.com/pandas-dev/pandas/blob/master/doc/data/titanic.csv