Question

我有一个包含以下内容的CSV文件 Pandas_float_test.csv

C0
20180904115745000007000

当我使用read_csv读取文件时，如下所示，

with open(os.path.join('data','Pandas_float_test.csv')) as csv_file:
    df = pd.read_csv(csv_file,header='infer', parse_dates=True)
    print(df)
    print(df.dtypes)
    print(pd.api.types.is_numeric_dtype(df['C0'])) # returns False
    print(pd.api.types.is_integer_dtype(df['C0'])) # returns False
    print(pd.api.types.is_string_dtype(df['C0'])) # returns True
    print(pd.api.types.infer_dtype(df['C0'])) # returns string

我希望熊猫将dtype推断为float64，但是它将dtype推断为字符串。这是故意的吗？

另外，当我尝试不使用read_csv来重新创建相同内容时，

d = {'C0': [20180904115745000007000]}
df = pd.DataFrame(data=d)
print(df)
print(df.dtypes)
print(pd.api.types.is_numeric_dtype(df['C0'])) # returns False
print(pd.api.types.is_integer_dtype(df['C0'])) # returns False
print(pd.api.types.is_string_dtype(df['C0'])) # returns True
print(pd.api.types.infer_dtype(df['C0'])) # returns integer

is_integer_dtype返回False，但是infer_dtype返回整数。

我正在使用熊猫0.24.0。

Answer 1

熊猫通常将其推断为“字符串”。

这是因为最大的int数据类型是int64，它包含

中的数字

int64整数（-9223372036854775808至9223372036854775807）

>>> 9223372036854775807 > 20180904115745000007000
False

从numpy文档中查看更多内容：： https://docs.scipy.org/doc/numpy-1.15.0/user/basics.types.html

因此，为了转换对象/或显式指定列数据类型，可以使用pandas.read_csv的'dtype'属性，该属性以字典作为输入，由列名作为键，其数据类型作为值。

dtype_dict = {
    'C0': 'float'
}

>>> df = pd.read_csv("sc.csv", dtype=dtype_dict)
>>> df.head()
             C0
0  2.018090e+22
1  2.018090e+22
2  2.018090e+22

Answer 2

Pandas方法pandas.read_csv()和pandas.DataFrame()都具有 dtype 参数。

dtype：类型名称或列的字典->类型，可选

数据或列的数据类型。例如。 {‘a’：np.float64，‘b’：np.int32，‘c’：‘Int64’}

因此，您可以在创建数据框时直接设置类型。如果不这样做，大熊猫几乎总是默认为字符串。

d = {'C0': [20180904115745000007000]}
df = pd.DataFrame(d, dtype="float")

df.dtypes返回C0: float64

从CSV文件读取时，大数由熊猫推断为字符串

2 个答案: