时间戳

首页 > 解决方案 > 就地更改熊猫系列/数据框列的类型

python - 就地更改熊猫系列/数据框列的类型

问题描述

TL;DR：我想就地更改熊猫数据框列的数据类型。

我有一个熊猫数据框：

df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6.1]})

默认情况下，它的列在我的系统上分配了“int64”和“float64”：

df.dtypes
Out[172]: 
a      int64
b    float64
dtype: object

因为我的数据框会非常大，所以我想在创建数据框后将列数据类型设置为 int32 和 float32。我知道我该怎么做：

df['a'] = df['a'].astype(np.int32)
df['b'] = df['b'].astype(np.float32)

或者，一步： 

df = df.astype({'a':np.int32, 'b':np.float32})

我的数据框的 dtypes 确实是：

df.dtypes
Out[180]: 
a      int32
b    float32
dtype: object

但是：这似乎很笨重，必须重新分配系列，尤其是。因为许多 pandas 方法都有一个inplacekwarg。但是，使用它似乎不起作用（从顶部的相同数据框开始）：

df['a'].astype(np.int32, inplace=True)

df.dtypes
Out[187]: 
a      int64
b    float64
dtype: object

有什么我在这里忽略的吗？这是设计使然吗？Series使用而不是DataFrame对象时会显示相同的行为。

非常感谢，

标签： pythonpandas

解决方案

您可以编写自己的（仍然笨拙的）就地版本：

def astype_inplace(df: pd.DataFrame, dct: Dict):
    df[list(dct.keys())] = df.astype(dct)[list(dct.keys())]

def astype_per_column(df: pd.DataFrame, column: str, dtype):
    df[column] = df[column].astype(dtype)

并像使用它一样

astype_inplace(df, {'bool_col':'boolean'})

或者

astype_per_column(df, 'bool_col', 'boolean')

推荐阅读