pandas object格式轉(zhuǎn)float64格式的方法
在數(shù)據(jù)處理過程中
比如從CSV文件中導(dǎo)入數(shù)據(jù)
data_df = pd.read_csv("names.csv")
在處理之前一定要查看數(shù)據(jù)的類型
data_df.info()
*RangeIndex: 891 entries, 0 to 890 Data columns (total 12 columns): Name 891 non-null object Sex 891 non-null object Age 714 non-null float64 SibSp 891 non-null int64 Parch 891 non-null int64 Ticket 891 non-null object Fare 891 non-null float64 Cabin 204 non-null object Embarked 889 non-null object dtypes: float64(2), int64(5), object(5) memory usage: 83.6+ KB*
以上object , int64, 以及 float64 便是數(shù)據(jù)的類型。
如果我們需要對列數(shù)據(jù)進行相互之間的運算的吧,必須注意的一點是:
兩列的數(shù)據(jù)類型是否是相同的!!
如果一個object類型與int64的類型相加,便會發(fā)生錯誤
錯誤提示可能如下:
TypeError: ufunc 'add' not contain a loop with signature matching types dtype('<U32') dtype('<U32') dtype('<U32')
此時的object類型可能是‘12.3'這樣str格式的數(shù)字,如果要運算必須進行格式轉(zhuǎn)換:
可采用如下方法(convert_objects):
dt_df = dt_df.convert_objects(convert_numeric=True)
親測有效。
再提醒一遍!得到數(shù)據(jù)一定要先查看數(shù)據(jù)類型!?。?/p>
以上這篇pandas object格式轉(zhuǎn)float64格式的方法就是小編分享給大家的全部內(nèi)容了,希望能給大家一個參考,也希望大家多多支持腳本之家。
相關(guān)文章
Python判斷對象是否為文件對象(file object)的三種方法示例
這篇文章主要介紹了Python判斷對象是否為文件對象(file object)的三種方法示例,https://www.pythontab.com/html/2018/pythonhexinbiancheng_1015/1362.html2019-04-04
Python3基礎(chǔ)之條件與循環(huán)控制實例解析
這篇文章主要介紹了Python3基礎(chǔ)的條件與循環(huán)控制,需要的朋友可以參考下2014-08-08
python re的findall和finditer的區(qū)別詳解
這篇文章主要介紹了python re的findall和finditer的區(qū)別詳解,文中通過示例代碼介紹的非常詳細,對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值,需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-11-11
Python使用scipy模塊實現(xiàn)一維卷積運算示例
這篇文章主要介紹了Python使用scipy模塊實現(xiàn)一維卷積運算,結(jié)合實例形式分析了scipy模塊的功能及使用scipy模塊進行一維卷積運算的相關(guān)操作技巧,需要的朋友可以參考下2019-09-09

