pandas object格式转float64格式的方法
在数据处理过程中
比如从CSV文件中导入数据
data_df = pd.read_csv("names.csv")
在处理之前一定要查看数据的类型
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 便是数据的类型。
如果我们需要对列数据进行相互之间的运算的吧,必须注意的一点是:
两列的数据类型是否是相同的!!
如果一个object类型与int64的类型相加,便会发生错误
错误提示可能如下:
TypeError: ufunc 'add' not contain a loop with signature matching types dtype('<U32') dtype('<U32') dtype('<U32')
此时的object类型可能是‘12.3'这样str格式的数字,如果要运算必须进行格式转换:
可采用如下方法(convert_objects):
dt_df = dt_df.convert_objects(convert_numeric=True)
亲测有效。
再提醒一遍!得到数据一定要先查看数据类型!!!
以上这篇pandas object格式转float64格式的方法就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
Python判断对象是否为文件对象(file object)的三种方法示例
这篇文章主要介绍了Python判断对象是否为文件对象(file object)的三种方法示例,https://www.pythontab.com/html/2018/pythonhexinbiancheng_1015/1362.html2019-04-04python re的findall和finditer的区别详解
这篇文章主要介绍了python re的findall和finditer的区别详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧2020-11-11
最新评论