使用Pandas导入数据

Question

我使用Pandas / Python将查询日志作为表导入到数据框中，如下所示：

import pandas as pd
q_data_1 = pd.read_table('table_data.txt', skiprows=6, thousands=',')

我得到下表：

• Col 0 - index
• 第1栏 - 查询字符串（例如'纽约新闻'）
• 第2组 - 综合浏览量（例如'10,102'）
• 第3栏 - 平均持续时间（例如'00：03：06'）
• 第4栏 - 新访问次数（例如'32 .4％'）

目前所有列的dtype都是'object'。如何将col 2的dtype转换为整数，col 3转换为时间，col 4转换为百分比？

包含值为字符串的某些列可能有噪音（即包含实际文本字符串 - 尽管这些字符串的出现次数较少;因此每次上面的转换失败时我都希望将0替换为适当的dtype）。 / p>

提前致谢。

编辑：我试过了

q_data_1.convert_objects(convert_numeric=True).dtypes

和（列[1]是页面浏览量）

q_data_1[q_data_1.columns[1]] = q_data_1[q_data_1.columns[1]].convert_objects(convert_numeric=True)

哪个错误：

TypeError: convert_objects() got an unexpected keyword argument 'convert_numeric'

Answer 1

我建议使用convert_objects和astype方法。

因此，假设您的数据框名为df并且您希望首先确保第2列中的所有数据都是数字，您可以调用：

df[df.columns[2]] = df[df.columns[2]].convert_objects(convert_numeric=True)

虽然这会尝试将整个列转换为适当的数值，但您可能还没有整数类型。您可以通过以下方式进行跟进：

df[df.columns[2]] = df[df.columns[2]].astype('int')

我相信你只限于python和numpy类型，所以你可能不得不接受第4列的float。