pandas 将列中类型转为数值

可以使用 Pandas 中的 astype() 方法将列中的数据类型转换为数值类型。具体的步骤如下：

1. 选择需要转换的列。
2. 使用 astype() 方法将数据类型转换为数值类型。

示例代码如下：

import pandas as pd

# 创建一个包含字符串类型的 DataFrame
df = pd.DataFrame({'A': ['1', '2', '3'], 'B': ['4', '5', '6']})

# 将列 A 和列 B 的数据类型转换为数值类型
df['A'] = df['A'].astype(int)
df['B'] = df['B'].astype(int)

print(df.dtypes)

输出结果如下：

A    int64
B    int64
dtype: object

在这个示例中，我们首先创建了一个 DataFrame，其中包含两列字符串类型的数据。然后，我们使用 astype() 方法将列 A 和列 B 的数据类型分别转换为整数类型，并最终打印 DataFrame 中每列的数据类型。

相关问题

pandas将某列转为数值型

可以使用 pandas 的 astype() 方法将某一列转换为数值类型。例如，将名为 "column_name" 的列转换为 float64 类型，代码如下：

import pandas as pd

# 假设数据存放在 dataframe 中
dataframe["column_name"] = pd.to_numeric(dataframe["column_name"], errors='coerce')

其中，errors='coerce' 表示将无法转换为数值类型的值转换为 NaN。如果不加这个参数，则会报错。另外，也可以使用 astype() 方法将某一列转换为 int 类型，代码如下：

dataframe["column_name"] = dataframe["column_name"].astype(int)

需要注意的是，如果该列中存在非数值类型的值，那么转换时会报错。因此，建议先使用 pd.to_numeric() 方法将该列转换为数值类型，再使用 astype() 方法将其转换为特定类型。

object类型转为数值类型

在Python中，可以使用pandas库中的to_numeric()函数将object类型数据转换为数值类型数据。to_numeric()函数可以将一个Series或DataFrame中的所有元素转换为数值类型数据，如果无法转换则将其转换为缺失值（NaN）。示例如下：

import pandas as pd

# 创建一个包含字符串类型数据的DataFrame
df = pd.DataFrame({'a': ['1', '2', '3', '4'], 'b': ['foo', 'bar', 'baz', 'qux']})

# 将DataFrame中的字符串类型数据转换为数值类型数据
df['a'] = pd.to_numeric(df['a'], errors='coerce')

# 查看转换后的结果
print(df)

输出结果为：

     a    b
0  1.0  foo
1  2.0  bar
2  3.0  baz
3  4.0  qux

可以看到，to_numeric()函数将DataFrame中的字符串类型数据转换为了数值类型数据，并将无法转换的字符串类型数据转换为了缺失值（NaN）。

需要注意的是，to_numeric()函数只适用于pandas库中的DataFrame和Series类型数据，对于其他数据类型需要使用不同的方法来进行类型转换。另外，如果转换后的数据仍然存在缺失值，则需要使用fillna()函数或dropna()函数进行缺失值处理。