最近做一個系列部落格，跟著stackoverflow學Pandas。

Pandas: change data type of columns - Pandas修改列的型別

資料集

import pandas as pd
a = [['a', '1.2', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a, columns=['col1', 'col2', 'col3'])
print df.head()
#   col1 col2  col3
# 0    a  1.2   4.2
# 1    b   70  0.03
 

# 2    x    5     0

print df.dtypes
# col1    object
# col2    object
# col3    object
# dtype: object

這裡的3列資料，col1是明顯的字元資料，col2、col3是數值型資料，但是因為資料在匯入時加了引號，按照字串資料來處理，如果我們想對他們進行數值操作，就需要進行轉換。

下面我們推薦幾種方法

pd.to_numeric

對於明顯是數值的資料，轉換型別直接採用 pd.to_numeric 就可以了，如果資料既有數值型又有字元型，那麼我們就要根據情況區別對待了。

s = pd.Series(['1'
 
, '2', '4.7', 'pandas', '10'])
# pd.to_numeric(s)  # 如果直接轉換會報錯
# ValueError: Unable to parse string "pandas" at position 3

# 可以強制轉換，字元型資料就會變成 NaN，資料型別變為 float64
pd.to_numeric(s, errors='coerce')
# 0     1.0
# 1     2.0
# 2     4.7
# 3     NaN
# 4    10.0
# dtype: float64

# 也可以忽略錯誤，結果不做處理
pd.to_numeric(s, errors='ignore'
 
)
# 0         1
# 1         2
# 2       4.7
# 3    pandas
# 4        10
# dtype: object

如果有多個列需要轉換，可以採用apply進行批量操作。

df[['col2','col3']] = df[['col2','col3']].apply(pd.to_numeric， errors='ignore') # 同樣可以新增 errors 引數
print df
#  col1  col2  col3
# 0    a   1.2  4.20
# 1    b  70.0  0.03
# 2    x   5.0  0.00

print df.dtypes
# col1     object
# col2    float64
# col3    float64
# dtype: object

相似的函式，還有 pd.to_datetime、pd.to_timedelta，可以實現對時間的轉換。

astype

pd.to_numeric 用起來很簡單，但是它把所有的變數都變成了float64，那麼如果資料是整形呢。我們可以試試 astype 函式。

a = [['a', '1', '4.2'], ['b', '70', '0.03'], ['x', '5', '0']]
df = pd.DataFrame(a, columns=['one', 'two', 'three'])
print df
#   one two three
# 0   a   1   4.2
# 1   b  70  0.03
# 2   x   5     0

print df.dtypes
# one      object
# two      object
# three    object
# dtype: object

# 批量操作
df[['two', 'three']] = df[['two', 'three']].astype(float)
print df.dtypes
# one       object
# two      float64
# three    float64
# dtype: object


df['two'] = df['two'].astype(int)
print df.dtypes
# one       object
# two        int64
# three    float64
# dtype: object

生成DataFrame時指定變數型別

df = pd.DataFrame(a, columns=['one', 'two', 'three'], dtype={'one': str, 'two': int, 'three': float})

infer_objects

如果資料很多無法判斷資料型別，可以採用 infer_objects（Pandas Version 0.21.0）

df = pd.DataFrame({'a': [7, 1, 5], 'b': ['3','2','1']}, dtype='object')
df.dtypes
# a    object
# b    object
# dtype: object

df = df.infer_objects()
df.dtypes
# a     int64
# b    object # 因為b列加了引號，推斷成了字串
# dtype: object