pandas 修改多列数据格式

你可以使用 `DataFrame` 的 `astype` 方法来修改多列的数据格式。例如，将两列的数据类型都转换为整数类型，可以这样做：

import pandas as pd

# 创建示例数据
data = {'col1': ['1', '2', '3'], 'col2': ['4', '5', '6'], 'col3': ['7.1', '8.2', '9.3']}
df = pd.DataFrame(data)

# 查看数据类型
print(df.dtypes)

# 将 col1 和 col2 转换为整数类型
df[['col1', 'col2']] = df[['col1', 'col2']].astype(int)

# 查看修改后的数据类型
print(df.dtypes)

输出结果为：

col1    object
col2    object
col3    object
dtype: object

col1      int64
col2      int64
col3    float64
dtype: object

可以看到，`col1` 和 `col2` 的数据类型已经被成功修改为整数类型。注意，在使用 `astype` 方法时，需要指定要修改的列名列表，这里使用了双重中括号。

相关问题

使用pandas将一列数据多处修改

可以使用pandas的loc函数来修改多处数据，具体操作可以参考以下代码：

import pandas as pd

# 创建测试数据
data = {'Name': ['Tom', 'John', 'Alice', 'Bob'], 'Score': [80, 75, 90, 85]}
df = pd.DataFrame(data)

# 将名字为Tom和Alice的分数都修改为100
df.loc[df['Name'].isin(['Tom', 'Alice']), 'Score'] = 100

# 输出修改后的数据
print(df)

输出结果为：

    Name  Score
0    Tom    100
1   John     75
2  Alice    100
3    Bob     85

希望可以帮到您！

pandas apply每列数据进行操作

好的，你想了解pandas apply如何对每列数据进行操作。那么，pandas提供了很多方法来对每列数据进行操作，其中apply方法就是其中之一。apply方法可以将一个函数应用于DataFrame的每一列数据，并返回一个Series或DataFrame，具体操作取决于函数本身。你可以通过修改函数的参数来自定义apply方法的实现方式，以满足你的具体需求。