对象到 int 和 float 转换 pandas

在数据分析和处理中，我们经常需要对不同类型的数据进行转换和处理。pandas是一个强大的Python数据处理库，提供了丰富的数据类型和方法，可以帮助我们轻松地进行数据处理。

在pandas中，我们可以使用astype方法将对象（object）类型的数据转换为int或float类型。

将对象转换为int类型

首先，我们需要创建一个包含对象类型数据的DataFrame：

import pandas as pd

data = {'A': ['1', '2', '3'], 'B': ['4', '5', '6']}
df = pd.DataFrame(data)
print(df.dtypes)
# 输出： A    object
#       B    object
#       dtype: object

上述代码中，我们创建了一个包含两列对象类型数据的DataFrame，并输出了它们的数据类型。

接下来，我们可以使用astype方法将对象类型数据转换为int类型：

df['A'] = df['A'].astype(int)
print(df.dtypes)
# 输出： A    int32
#       B    object
#       dtype: object

astype方法将指定列的数据类型转换为int，我们还可以使用apply方法实现相同的效果：

df['A'] = df['A'].apply(int)
print(df.dtypes)
# 输出： A    int32
#       B    object
#       dtype: object

在转换时，需要确保数据中不包含非数字字符，否则将引发类型转换错误。

将对象转换为float类型

和将对象转换为int类型类似，我们可以使用astype方法将对象类型数据转换为float类型。

df['B'] = df['B'].astype(float)
print(df.dtypes)
# 输出： A    int32
#       B    float64
#       dtype: object

可以看到，我们将包含数字字符的字符串数据成功转换为了float类型，数值后保留了小数点后面的位数。

同样，我们也可以使用apply方法实现相同的效果：

df['B'] = df['B'].apply(float)
print(df.dtypes)
# 输出： A    int32
#       B    float64
#       dtype: object

需要注意的是，在转换时，需要确保数据中不包含无效的浮点数字符，否则同样会引发类型转换错误。

通过这篇文章的介绍，我们了解了如何在pandas中将对象类型数据转换为int或float类型。在实际的数据处理过程中，我们可以结合其他pandas方法，轻松地完成数据类型转换和数据处理的工作。