Question

我有一个pandas数据框，我是根据存储在xml文件中的数据创建的：

最初打开并解析xlm文件

xmlData = etree.parse(filename)
trendData = xmlData.findall("//TrendData")

我创建了一个目录，列出了所有数据名称（用作列名）作为键，并给出了xml文件中数据的位置：

Parameters = {"TreatmentUnit":("Worklist/AdminData/AdminValues/TreatmentUnit"),
          "Modality":("Worklist/AdminData/AdminValues/Modality"),
          "Energy":("Worklist/AdminData/AdminValues/Energy"),
          "FieldSize":("Worklist/AdminData/AdminValues/Fieldsize"),
          "SDD":("Worklist/AdminData/AdminValues/SDD"),
          "Gantry":("Worklist/AdminData/AdminValues/Gantry"),
          "Wedge":("Worklist/AdminData/AdminValues/Wedge"),
          "MU":("Worklist/AdminData/AdminValues/MU"),
          "My":("Worklist/AdminData/AdminValues/My"),
          "AnalyzeParametersCAXMin":("Worklist/AdminData/AnalyzeParams/CAX/Min"),
          "AnalyzeParametersCAXMax":("Worklist/AdminData/AnalyzeParams/CAX/Max"),
          "AnalyzeParametersCAXTarget":("Worklist/AdminData/AnalyzeParams/CAX/Target"),
          "AnalyzeParametersCAXNorm":("Worklist/AdminData/AnalyzeParams/CAX/Norm"),
....}

这只是目录的一小部分，实际的一个列表超过80个参数然后对目录键进行排序：

sortedKeys = list(sorted(Parameters.keys()))

为pandas dataframe创建标头：

dateList=[]
dateList.append('date')
headers = dateList+sortedKeys

然后我创建一个空的pandas数据帧，其行数与trendData中的记录数相同，列标题设置为“headers”，然后遍历填充数据帧的文件：

df = pd.DataFrame(index=np.arange(0,len(trendData)), columns=headers)
for a,b in enumerate(trendData):
    result={}
    result["date"] = dateutil.parser.parse(b.attrib['date'])
    for i,j in enumerate(Parameters):
        result[j] = b.findtext(Parameters[j])
        df.loc[a]=(result)
df = df.set_index('date')

这似乎工作正常，但问题是每个列的dtype设置为'object'，而大多数应该是整数。可以使用：

df.convert_objects(convert_numeric=True)

它工作正常，但现在已被删除。我也可以使用，例如：

df.AnalyzeParametersBQFMax = pd.to_numeric(df.AnalyzeParametersBQFMax)

转换单个列。但有没有一种方法可以将pd.to_numeric与列名列表一起使用。我可以使用以下内容创建一个列为整数的列表;

int64list=[]
for q in sortedKeys:
    if q.startswith("AnalyzeParameters"):
        int64list.append(q)

但无法找到将此列表传递给函数的方法。

Answer 1

您可以使用另一个dtype显式替换DataFrame中的列。试试这个：

import pandas as pd
data = pd.DataFrame({'date':[2000, 2001, 2002, 2003], 'type':['A', 'B', 'A', 'C']})
data['date'] = data['date'].astype('int64')

现在调用data.dtypes时，它应返回以下内容：

date     int64
type    object
dtype: object

对于多个列，使用for循环来运行您在问题中提到的int64list。

Answer 2

对于多列，您可以这样做：

cols = df.filter(like='AnalyzeParameters').columns.tolist()
df[cols] = df[cols].astype(np.int64)

更改pandas数据框中特定列的dtype

2 个答案: