pandas查看字段类型

要查看pandas DataFrame 中的字段类型，可以使用 `dtypes` 属性。下面是一个示例：

import pandas as pd

# 创建一个示例 DataFrame
data = {'Name': ['John', 'Emma', 'Peter'],
        'Age': [25, 30, 35],
        'City': ['New York', 'London', 'Paris']}
df = pd.DataFrame(data)

# 查看字段类型
print(df.dtypes)

运行以上代码，你将获得每个字段的类型信息，例如：

Name    object
Age      int64
City    object
dtype: object

在这个示例中，`Name` 和 `City` 字段的类型为 `object`，而 `Age` 字段的类型为 `int64`。

相关问题

pandas修改字段类型

以下是几种常见的方法来修改Pandas DataFrame中的字段类型：

1. 使用astype()方法将字段转换为指定的数据类型：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 将字段A的数据类型转换为float
df['A'] = df['A'].astype(float)

2. 使用to_numeric()方法将字段转换为数值类型：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': ['1', '2', '3'], 'B': [4, 5, 6]})

# 将字段A的数据类型转换为int
df['A'] = pd.to_numeric(df['A'], errors='coerce')

3. 使用to_datetime()方法将字段转换为日期时间类型：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': ['2020-01-01', '2020-01-02', '2020-01-03'], 'B': [4, 5, 6]})

# 将字段A的数据类型转换为datetime
df['A'] = pd.to_datetime(df['A'])

4. 使用astype()方法将字段转换为字符串类型：

import pandas as pd

# 创建一个示例DataFrame
df = pd.DataFrame({'A': [1, 2, 3], 'B': [4, 5, 6]})

# 将字段A的数据类型转换为字符串
df['A'] = df['A'].astype(str)

pandas 修改字段类型

在pandas中，修改字段类型是一个常见的操作，可以通过多种方法实现。以下是几种常用的方法：

1. **使用`astype()`方法**：
`astype()`方法可以将整个DataFrame或某一列的数据类型转换为指定的数据类型。

   import pandas as pd

   # 创建一个示例DataFrame
   data = {'A': [1, 2, 3], 'B': [4.0, 5.0, 6.0], 'C': ['7', '8', '9']}
   df = pd.DataFrame(data)

   # 将列A的数据类型转换为float
   df['A'] = df['A'].astype(float)

   # 将列C的数据类型转换为int
   df['C'] = df['C'].astype(int)

   print(df.dtypes)

2. **使用`pd.to_numeric()`函数**：
`pd.to_numeric()`函数可以将数据转换为数值类型，并可以处理无法转换的值。

   import pandas as pd

   # 创建一个示例DataFrame
   data = {'A': [1, 2, 3], 'B': [4.0, 5.0, 6.0], 'C': ['7', '8', '9']}
   df = pd.DataFrame(data)

   # 使用pd.to_numeric()函数将列C转换为数值类型
   df['C'] = pd.to_numeric(df['C'])

   print(df.dtypes)

3. **使用`infer_objects()`方法**：
`infer_objects()`方法可以尝试推断对象列的数据类型。

   import pandas as pd

   # 创建一个示例DataFrame
   data = {'A': [1, 2, 3], 'B': [4.0, 5.0, 6.0], 'C': ['7', '8', '9']}
   df = pd.DataFrame(data)

   # 使用infer_objects()方法推断数据类型
   df = df.infer_objects()

   print(df.dtypes)

4. **使用`apply()`方法**：
`apply()`方法可以对DataFrame的每一列应用一个函数，从而实现数据类型的转换。

   import pandas as pd

   # 创建一个示例DataFrame
   data = {'A': [1, 2, 3], 'B': [4.0, 5.0, 6.0], 'C': ['7', '8', '9']}
   df = pd.DataFrame(data)

   # 使用apply()方法将列C转换为int
   df['C'] = df['C'].apply(int)

   print(df.dtypes)

以上方法可以根据具体需求选择使用，确保数据类型的正确性。