Question

例如：

raw = {'x':[1,2,3,4], 'y':[None,]*4, 'z':[datetime.now()] *4, 'e':[1,2,3,4]}

a = pd.DataFrame(raw, dtype={'x':float, 'y':float, 'z':object, 'e':int})

这不起作用。

目前我必须这样做：

a = pd.DataFrame(raw, dtype=object)
a['x'] = a['x'].astype(float)
a['y'] = a['y'].astype(float)
a['z'] = pd.to_date_time(a['z'], utc=True)
a['e'] = a['e'].astype(int)

由于我想要将多个raw个对象投射到数据框中，是否有一种简单的方法可以强制正确dtypes构建时间，而不是稍后转换它们，这需要2倍需要时间。

@Jeff有一个很好的方法来处理raw，如果它是dict格式。

但如果raw采用记录格式，例如：

，该怎么办？

raw = [(1,None,datetime.now(),1),
       (2,None,datetime.now(),2), 
       (3,None,datetime.now(),3),
       (4,None,datetime.now(),4)]

我必须zip吗？也许zip花费的时间比花费更多的费用还要多吗？ DataFrame.from_records似乎根本不接受dtype参数。

Answer 1

构造函数将正确推断非模糊类型。您不能指定复合dtype映射ATM，问题是here，欢迎拉请求实现此。

请勿使用None，而是使用np.nan（否则会推断为object dtype）
指定带小数点的浮点数（或换行为系列，例如Series([1,2,3,4],dtype='float')
日期时间将自动推断为datetime64[ns]，除非您需要指定时区，否则这几乎总是您想要的

这是您的例子

In [20]: DataFrame({
    'x':Series([1,2,3,4],dtype='float'), 
    'y':Series([None,]*4,dtype='float'), 
    'z':[datetime.datetime.now()] *4, 
    'e':[1,2,3,4]})
Out[20]: 
   e  x   y                          z
0  1  1 NaN 2014-06-17 07:40:42.188422
1  2  2 NaN 2014-06-17 07:40:42.188422
2  3  3 NaN 2014-06-17 07:40:42.188422
3  4  4 NaN 2014-06-17 07:40:42.188422

In [21]: DataFrame({
     'x':Series([1,2,3,4],dtype='float'), 
     'y':Series([None,]*4,dtype='float'), 
     'z':[datetime.datetime.now()] *4, 
     'e':[1,2,3,4]}).dtypes
Out[21]: 
e             int64
x           float64
y           float64
z    datetime64[ns]
dtype: object

如何强制pandas DataFrame在构造时使用所需的dtypes？

1 个答案: