Pandas数据类型转换：核心概念与实战技巧

在数据处理中，正确的数据类型是确保运算准确性和效率的关键。Pandas提供了丰富的方法来查看和转换数据类型，避免因类型不匹配导致的错误。本教程将循序渐进地介绍Pandas中的数据类型转换，适合新人学习。

1. 查看数据类型

在转换数据类型前，首先需要了解当前数据的类型。Pandas提供了多种方法。

使用dtypes属性

dtypes属性可以查看DataFrame或Series中每列的数据类型。它是一个快速且常用的方法。

import pandas as pd

# 创建一个示例DataFrame
data = {'A': [1, 2, 3], 'B': ['a', 'b', 'c'], 'C': [1.1, 2.2, 3.3]}
df = pd.DataFrame(data)

print(df.dtypes)
# 输出示例：A int64, B object, C float64

使用infer_dtype方法

infer_dtype方法可以推断序列的数据类型，特别是对于混合类型数据，它更精细。

import pandas.api.types as pdtypes

series = pd.Series([1, '2', 3.0])
print(pdtypes.infer_dtype(series))
# 输出：mixed-integer

2. 数值型数据转换

数值型数据包括整数和浮点数，使用astype方法进行转换。

# 转换为整数
df['A'] = df['A'].astype(int)  # 如果已经是整数，则保持不变

# 转换为浮点数
df['C'] = df['C'].astype(float)

# 示例：将字符串列转换为数值列
df['D'] = ['10', '20', '30']
df['D'] = df['D'].astype(int)  # 确保字符串可以解析为整数

3. 字符串型数据转换

在Pandas中，字符串通常表示为object类型，可以使用astype(str)进行转换。

df['E'] = df['A'].astype(str)  # 将整数列转换为字符串列
print(df['E'].dtype)  # 输出：object

4. 日期时间型数据转换

日期时间数据在数据分析中常见，to_datetime方法是核心工具，能自动解析多种格式。

# 示例：将字符串列表转换为日期时间列
dates = ['2023-01-01', '2023-02-01', '2023-03-01']
df['Date'] = pd.to_datetime(dates)

print(df['Date'].dtype)  # 输出：datetime64[ns]

# 使用format参数自定义格式（重点）
custom_date = pd.to_datetime('01-01-2023', format='%d-%m-%Y')

5. 分类数据转换

分类数据适合离散值，可以优化内存和性能。使用astype('category')或pd.Categorical。

# 转换为分类类型
df['B'] = df['B'].astype('category')

# 使用Categorical构造函数
from pandas import Categorical
cat_series = Categorical(['a', 'b', 'c', 'a'])
df['F'] = cat_series

print(df['B'].dtype)  # 输出：category

6. 布尔型数据转换

布尔型数据用于逻辑运算，使用astype(bool)进行转换。

# 示例：将数值列转换为布尔值（0为False，非0为True）
bool_series = pd.Series([0, 1, 2])
bool_series = bool_series.astype(bool)
print(bool_series)  # 输出：False, True, True

7. 常见错误与解决方法

数据类型转换时可能遇到错误，例如字符串转数值失败。以下是常见问题的解决方案。

错误：字符串转数值失败

尝试转换包含非数字字符的字符串会导致错误。

# 错误示例
try:
    df['G'] = ['10', '20x', '30']
    df['G'] = df['G'].astype(int)
except Exception as e:
    print(f"错误: {e}")
# 输出：错误：invalid literal for int() with base 10: '20x'

解决方法：使用errors参数或先清理数据。

# 使用errors参数忽略错误或转换为NaN
df['G'] = df['G'].astype(int, errors='coerce')  # 错误值转换为NaN
print(df['G'])  # 输出：10, NaN, 30

# 或者使用to_numeric方法
df['G'] = pd.to_numeric(df['G'], errors='coerce')

其他常见错误

• 日期时间转换失败：检查字符串格式，使用format参数指定正确格式。
• 分类数据转换后丢失信息：确保数据是离散的，或者使用Categorical指定类别。

通过掌握这些转换方法，你可以轻松管理Pandas数据，避免运算错误，提高数据处理效率。实践是学习的关键，建议多运行示例代码加深理解。