Przypisz pandy do typów kolumn dataframe

Chcę ustawić dtypes wielu kolumn w pd.Dataframe(mam plik, który musiałem ręcznie przeanalizować na listę list, ponieważ plik nie był przystosowany pd.read_csv)

import pandas as pd
print pd.DataFrame([['a','1'],['b','2']],
                   dtype={'x':'object','y':'int'},
                   columns=['x','y'])

dostaję

ValueError: entry not a 2- or 3- tuple

Jedynym sposobem, w jaki mogę je ustawić, jest zapętlenie każdej zmiennej kolumny i przekształcenie za pomocą astype.

dtypes = {'x':'object','y':'int'}
mydata = pd.DataFrame([['a','1'],['b','2']],
                      columns=['x','y'])
for c in mydata.columns:
    mydata[c] = mydata[c].astype(dtypes[c])
print mydata['y'].dtype   #=> int64

Czy jest lepszy sposób?

Od wersji 0.17 musisz używać jawnych konwersji:

pd.to_datetime, pd.to_timedelta and pd.to_numeric

(Jak wspomniano poniżej, „magia” convert_objectsnie jest już używana w wersji 0.17)

df = pd.DataFrame({'x': {0: 'a', 1: 'b'}, 'y': {0: '1', 1: '2'}, 'z': {0: '2018-05-01', 1: '2018-05-02'}})

df.dtypes

x    object
y    object
z    object
dtype: object

df

   x  y           z
0  a  1  2018-05-01
1  b  2  2018-05-02

Możesz je zastosować do każdej kolumny, którą chcesz przekonwertować:

df["y"] = pd.to_numeric(df["y"])
df["z"] = pd.to_datetime(df["z"])    
df

   x  y          z
0  a  1 2018-05-01
1  b  2 2018-05-02

df.dtypes

x            object
y             int64
z    datetime64[ns]
dtype: object

i potwierdź, że dtype jest zaktualizowany.

ODPOWIEDŹ STARA / WYCOFANA dla pand 0,12 - 0,16: Możesz użyć, convert_objectsaby wywnioskować lepsze typy:

In [21]: df
Out[21]: 
   x  y
0  a  1
1  b  2

In [22]: df.dtypes
Out[22]: 
x    object
y    object
dtype: object

In [23]: df.convert_objects(convert_numeric=True)
Out[23]: 
   x  y
0  a  1
1  b  2

In [24]: df.convert_objects(convert_numeric=True).dtypes
Out[24]: 
x    object
y     int64
dtype: object

Magia! (Szkoda, że ​​to przestarzałe.)

Dla osób pochodzących z Google (itp.), Takich jak ja:

convert_objects jest przestarzały od 0.17 - jeśli go użyjesz, otrzymasz ostrzeżenie takie jak to:

FutureWarning: convert_objects is deprecated.  Use the data-type specific converters 
pd.to_datetime, pd.to_timedelta and pd.to_numeric.

Powinieneś zrobić coś takiego:

• df =df.astype(np.float)
• df["A"] =pd.to_numeric(df["A"])

możesz jawnie ustawić typy za pomocą pand DataFrame.astype(dtype, copy=True, raise_on_error=True, **kwargs)i przekazać do słownika te typy, które chceszdtype

oto przykład:

import pandas as pd
wheel_number = 5
car_name = 'jeep'
minutes_spent = 4.5

# set the columns
data_columns = ['wheel_number', 'car_name', 'minutes_spent']

# create an empty dataframe
data_df = pd.DataFrame(columns = data_columns)
df_temp = pd.DataFrame([[wheel_number, car_name, minutes_spent]],columns = data_columns)
data_df = data_df.append(df_temp, ignore_index=True) 

In [11]: data_df.dtypes
Out[11]:
wheel_number     float64
car_name          object
minutes_spent    float64
dtype: object

data_df = data_df.astype(dtype= {"wheel_number":"int64",
        "car_name":"object","minutes_spent":"float64"})

teraz widać, że to się zmieniło

In [18]: data_df.dtypes
Out[18]:
wheel_number       int64
car_name          object
minutes_spent    float64

Innym sposobem ustawienia typów kolumn jest najpierw skonstruowanie tablicy rekordów numpy z żądanymi typami, wypełnienie jej, a następnie przekazanie do konstruktora DataFrame.

import pandas as pd
import numpy as np    

x = np.empty((10,), dtype=[('x', np.uint8), ('y', np.float64)])
df = pd.DataFrame(x)

df.dtypes ->

x      uint8
y    float64

masz podobny problem. W moim przypadku mam tysiące plików z dzienników Cisco, które muszę przeanalizować ręcznie.

Aby być elastycznym z polami i typami, pomyślnie przetestowałem przy użyciu StringIO + read_cvs, który rzeczywiście akceptuje dyktowanie dla specyfikacji dtype.

Zwykle umieszczam każdy z plików (5k-20k wierszy) w buforze i dynamicznie tworzę słowniki dtype.

Ostatecznie konkatenuję (z kategorycznym ... dzięki 0.19) te ramki danych do dużej ramki danych, którą wrzucam do hdf5.

Coś w tym stylu

import pandas as pd
import io 

output = io.StringIO()
output.write('A,1,20,31\n')
output.write('B,2,21,32\n')
output.write('C,3,22,33\n')
output.write('D,4,23,34\n')

output.seek(0)


df=pd.read_csv(output, header=None,
        names=["A","B","C","D"],
        dtype={"A":"category","B":"float32","C":"int32","D":"float64"},
        sep=","
       )

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
A    5 non-null category
B    5 non-null float32
C    5 non-null int32
D    5 non-null float64
dtypes: category(1), float32(1), float64(1), int32(1)
memory usage: 205.0 bytes
None

Niezbyt pytoniczne ... ale spełnia swoje zadanie

Mam nadzieję, że to pomoże.

JC

Lepiej jest użyć wpisanego np.arrays, a następnie przekazać dane i nazwy kolumn jako słownik.

import numpy as np
import pandas as pd
# Feature: np arrays are 1: efficient, 2: can be pre-sized
x = np.array(['a', 'b'], dtype=object)
y = np.array([ 1 ,  2 ], dtype=np.int32)
df = pd.DataFrame({
   'x' : x,    # Feature: column name is near data array
   'y' : y,
   }
 )