什么是dtype（'O'）？

Question

我在pandas中有一个数据框，我正在试图弄清楚它的值是什么类型。我不确定列'Test'的类型是什么。但是，当我运行myFrame['Test'].dtype时，我得到了;

dtype('O')

这是什么意思？

Answer 1

这意味着：

'O'     (Python) objects

Source

  

第一个字符指定数据类型，其余字符指定每个项目的字节数，Unicode除外，它被解释为字符数。项目大小必须与现有类型相对应，否则将引发错误。支持的种类是   到现有类型，或将引发错误。支持的种类是：

'b'       boolean
'i'       (signed) integer
'u'       unsigned integer
'f'       floating-point
'c'       complex-floating point
'O'       (Python) objects
'S', 'a'  (byte-)string
'U'       Unicode
'V'       raw data (void)

如果需要检查type，则另一个answer有帮助。

Answer 2

它意味着＆＃34;一个python对象＆＃34;，即不是numpy支持的内置标量类型之一。

np.array([object()]).dtype
=> dtype('O')

Answer 3

＆＃39; O＆＃39;代表对象。

#Loading a csv file as a dataframe
import pandas as pd 
train_df = pd.read_csv('train.csv')
col_name = 'Name of Employee'

#Checking the datatype of column name
train_df[col_name].dtype

#Instead try printing the same thing
print train_df[col_name].dtype

第一行返回：dtype('O')

print语句的行返回以下内容：object

Answer 4

当您在数据框内看到dtype('O')时，表示熊猫字符串。

什么是dtype？

属于pandas或numpy或两者兼而有之的东西？如果我们检查熊猫代码：

df = pd.DataFrame({'float': [1.0],
                    'int': [1],
                    'datetime': [pd.Timestamp('20180310')],
                    'string': ['foo']})
print(df)
print(df['float'].dtype,df['int'].dtype,df['datetime'].dtype,df['string'].dtype)
df['string'].dtype

它将输出如下：

   float  int   datetime string    
0    1.0    1 2018-03-10    foo
---
float64 int64 datetime64[ns] object
---
dtype('O')

您可以将最后一个解释为Pandas dtype('O')或Python类型字符串的Pandas对象，这对应于Numpy string_或unicode_类型。

Pandas dtype    Python type     NumPy type          Usage
object          str             string_, unicode_   Text

就像唐吉x德（Don Quixote）一样，熊猫（Pandas）也是Numpy一样，并且Numpy了解系统的基础架构，并为此使用了numpy.dtype类。

数据类型对象是numpy.dtype类的实例，该类可以更精确地理解数据类型，包括：

• 数据类型（整数，浮点数，Python对象等）
• 数据大小（例如整数中的多少个字节）
• 数据的字节顺序（小端或大端）
• 如果数据类型是结构化的，则是其他数据类型的集合（例如，描述由整数和浮点数组成的数组项）
• 结构的“字段”的名称是什么
• 每个字段的数据类型是什么
• 每个字段占用存储块的哪个部分
• 如果数据类型是子数组，它的形状和数据类型是什么

---

在此问题中，dtype属于pands和numpy，尤其是dtype('O')表示我们希望使用该字符串。

---

以下是一些测试代码，并附有说明： 如果我们将数据集作为字典

import pandas as pd
import numpy as np
from pandas import Timestamp

data={'id': {0: 1, 1: 2, 2: 3, 3: 4, 4: 5}, 'date': {0: Timestamp('2018-12-12 00:00:00'), 1: Timestamp('2018-12-12 00:00:00'), 2: Timestamp('2018-12-12 00:00:00'), 3: Timestamp('2018-12-12 00:00:00'), 4: Timestamp('2018-12-12 00:00:00')}, 'role': {0: 'Support', 1: 'Marketing', 2: 'Business Development', 3: 'Sales', 4: 'Engineering'}, 'num': {0: 123, 1: 234, 2: 345, 3: 456, 4: 567}, 'fnum': {0: 3.14, 1: 2.14, 2: -0.14, 3: 41.3, 4: 3.14}}
df = pd.DataFrame.from_dict(data) #now we have a dataframe

print(df)
print(df.dtypes)

最后几行将检查数据框并记录输出：

   id       date                  role  num   fnum
0   1 2018-12-12               Support  123   3.14
1   2 2018-12-12             Marketing  234   2.14
2   3 2018-12-12  Business Development  345  -0.14
3   4 2018-12-12                 Sales  456  41.30
4   5 2018-12-12           Engineering  567   3.14
id               int64
date    datetime64[ns]
role            object
num              int64
fnum           float64
dtype: object

各种dtypes

df.iloc[1,:] = np.nan
df.iloc[2,:] = None

但是，如果我们尝试设置np.nan或None，则不会影响原始列dtype。输出将如下所示：

print(df)
print(df.dtypes)

    id       date         role    num   fnum
0  1.0 2018-12-12      Support  123.0   3.14
1  NaN        NaT          NaN    NaN    NaN
2  NaN        NaT         None    NaN    NaN
3  4.0 2018-12-12        Sales  456.0  41.30
4  5.0 2018-12-12  Engineering  567.0   3.14
id             float64
date    datetime64[ns]
role            object
num            float64
fnum           float64
dtype: object

因此，除非我们将所有列行都设置为np.nan或None，否则dtype或np.nan不会更改列None。在这种情况下，列将分别变为float64或object。

您也可以尝试设置单行：

df.iloc[3,:] = 0 # will convert datetime to object only
df.iloc[4,:] = '' # will convert all columns to object

在这里要注意，如果我们在非字符串列中设置字符串，它将成为字符串或对象dtype。