Question

考虑以下三个DataFrame：

df1 = pd.DataFrame([[1,2],[4,3]])
df2 = pd.DataFrame([[1,.2],[4,3]])
df3 = pd.DataFrame([[1,'a'],[4,3]])

以下是DataFrame的第二列的类型：

In [56]: map(type,df1[1])
Out[56]: [numpy.int64, numpy.int64]

In [57]: map(type,df2[1])
Out[57]: [numpy.float64, numpy.float64]

In [58]: map(type,df3[1])
Out[58]: [str, int]

在第一种情况下，所有int都会投放到numpy.int64。精细。在第三种情况下，基本上没有铸造。但是，在第二种情况下，整数（3）被转换为numpy.float64;可能因为另一个数字是浮点数。

如何控制铸件？在第二种情况下，我希望将[float64, int64]或[float, int]作为类型。

解决方法：

使用可调用打印功能可以显示here所示的解决方法。

def printFloat(x):
    if np.modf(x)[0] == 0:
        return str(int(x))
    else:
        return str(x)
pd.options.display.float_format = printFloat

Answer 1

pandas DataFrame（或系列）的列是同类型的。您可以使用dtype（或DataFrame.dtypes）：

进行检查

In [14]: df1[1].dtype
Out[14]: dtype('int64')

In [15]: df2[1].dtype
Out[15]: dtype('float64')

In [16]: df3[1].dtype
Out[16]: dtype('O')

只有通用'object' dtype可以包含任何python对象，并且这种方式也可以包含混合类型：

In [18]: df2 = pd.DataFrame([[1,.2],[4,3]], dtype='object')

In [19]: df2[1].dtype
Out[19]: dtype('O')

In [20]: map(type,df2[1])
Out[20]: [float, int]

但实际上并不推荐这样做，因为这会破坏大熊猫的目的（或至少表现）。

您是否有理由在同一列中特别想要整数和浮点数？

DataFrame列中混合的元素类型

解决方法：

1 个答案: