Question

我有一个数据框，我正在查看与每列关联的数据类型。

当我跑步时：

In [23]: df.dtype.descr

Out [24]: [(u'date', '<i8'), (u'open', '<f8'), (u'high', '<f8'), (u'low', '<f8'), (u'close', '<f8'), (u'volume', '<f8'), (u'dividend', '<f8'), (u'adj_factor', '<f8'), (u'split_factor', '<f8'), (u'liq', '<f8'), (u'currency', '|O')]

我想将货币dtype设置为S7。我在做：

In [25]: dtype_new[-1] = (u'currency', "|S7")
In [26]: print dtype_new
Out [27]: [(u'date', '<i8'), (u'open', '<f8'), (u'high', '<f8'), (u'low', '<f8'), (u'close', '<f8'), (u'volume', '<f8'), (u'dividend', '<f8'), (u'adj_factor', '<f8'), (u'split_factor', '<f8'), (u'liq', '<f8'), (u'currency', '|S7')]

它看起来是正确的格式。所以我试着把它放回我的df：

In [28]: df = df.astype(np.dtype(dtype_new))

我收到错误：

TypeError('data type not understood',)

我应该改变什么？谢谢。这是在我最近更新anaconda之前工作的，我不知道这个问题。感谢。

调整：

df.dtype是

In [23]: records.dtype
Out[23]: dtype((numpy.record, [(u'date', '<i8'), (u'open', '<f8'), (u'high',     '<f8'), (u'low', '<f8'), (u'close', '<f8'), (u'volume', '<f8'), (u'dividend', '<f8'), (u'adj_factor', '<f8'), (u'split_factor', '<f8'), (u'liq', '<f8'), (u'currency', 'O')]))

如何更改＆＃39; 0＆＃39;一个少于7个字符的字符串？

如何更改＆＃39; O＆＃39;的最后一个dtype？别的什么？特别是一个少于7个字符的字符串。

最后 - 这是一个unicode问题吗？使用Unicode：

In [38]: np.dtype([(u'date', '<i8')]) 
    ...: 
    ---------------------------------------------------------------------------
TypeError                                 Traceback (most recent call     last)
<ipython-input-38-8702f0c7681f> in <module>()
----> 1 np.dtype([(u'date', '<i8')])

TypeError: data type not understood

没有Unicode：

In [39]: np.dtype([('date', '<i8')])
Out[39]: dtype([('date', '<i8')])

Answer 1

看起来你已经集中了关于unicode的观点，实际上，你似乎已经触及了一个痛点。

让我们从最后的numpy文档开始。

文档dtypes声明：

[(field_name, field_dtype, field_shape), ...]

obj应该是一个字段列表，其中每个字段由长度为2或3的元组描述。   （相当于descr属性中的__array_interface__项。）

第一个元素field_name是字段名称（如果是''，则分配标准字段名称'f＃'）。字段名称也可以是2元组的字符串，其中第一个字符串是“标题”（可以是任何字符串或unicode字符串）或字段的元数据，可以是任何对象，第二个字符串是“name”必须是有效的Python标识符。   第二个元素field_dtype可以是任何可以解释为数据类型的元素。   如果此字段表示第二个元素中数据类型的数组，则可选的第三个元素field_shape包含形状。请注意，第三个参数等于1的3元组相当于2元组。   此样式不接受dtype构造函数中的align，因为假设所有内存都由数组接口描述来解释。

因此，文档似乎并没有真正指定字段名称是否可以是unicode，我们可以从文档确定的是，如果我们将元组定义为字段名称，例如((u'date', 'date'), '<i8')，然后使用unicode作为“标题”（通知，仍然不是名称！），导致没有错误。
否则，在这种情况下，如果您定义((u'date', u'date'), '<i8')，您将收到错误。

现在，您可以使用encode("ascii")

在Py2中使用unicode名称

(u'date'.encode("ascii"))

这应该有用。
一个重要的一点是，对于Py2，Numpy不允许将带有unicode字段名称的dtype指定为元组列表，但允许它使用字典。

如果我在Py2中不使用unicode名称，我可以将最后一个字段从|0更改为|S7，或者如果将名称定义为unicode，则必须使用encode("ascii")字符串。

所涉及的错误......

要理解为什么它会发生在您所看到的内容中，了解Numpy和Pandas中报告的错误/问题以及相关讨论是很有用的。

<强> numpy的
https://github.com/numpy/numpy/issues/2407
你可以在讨论中注意到（我在这里没有报道）主要是几件事：

“问题”已经持续了一段时间
人们使用的一个技巧是在unicode字符串上使用encode("ascii")
请记住'whatever'字符串在Py2 / 3中有不同的默认值（字节/ unicode）
@hpaulj本人在该问题报告中精美评论“如果dtype规范属于元组类型列表，则检查每个名称是否为字符串（由py2或3定义）但是如果dtype规范是字典{'names':[ alist], 'formats':[alist]...}，py2情况下也允许使用unicode名称“

<强>熊猫
同样在熊猫方面，已经报道了一个与numpy问题有关的问题：https://github.com/pandas-dev/pandas/pull/13462
它似乎在很久以前就得到了修复。

Answer 2

升级numpy后遇到此问题。此后，一些以前可以工作的代码突然停止工作。重新安装numpy为我解决了这个问题：

pip install --upgrade --force-reinstall numpy

Numpy dtype - 数据类型不明白

2 个答案: