pandas.Panel.astype

Panel.astype(dtype, copy=True, errors='raise', **kwargs) [source]

Преобразование объекта pandas к указанному типу dtype.

Параметры:

dtype : тип данных или словарь имя_столбца -> тип_данных Используйте numpy.dtype или Python тип для преобразования всего объекта pandas к одному типу. В качестве альтернативы, используйте {col: dtype, ...}, где col - метка столбца, а dtype - numpy.dtype или Python тип для преобразования одного или нескольких столбцов DataFrame к столбцово-специфическим типам. copy : bool, по умолчанию True. Возвращает копию, когда copy=True (будьте очень осторожны при установке copy=False, так как изменения значений могут тогда распространяться на другие объекты pandas). errors : {‘raise’, ‘ignore’}, по умолчанию ‘raise’. Управление повышением исключений при некорректных данных для заданного типа. raise : разрешить повышение исключений ignore : подавить исключения. В случае ошибки вернуть исходный объект Добавлена в версии 0.20.0. raise_on_error : повышать исключения при некорректном вводе Устарело начиная с версии 0.20.0: Используйте errors вместо этого kwargs : ключевые аргументы для передачи конструктору

Возвращает:

casted : тип вызываемого объекта

См. также

pandas.to_datetime

Преобразование аргумента в datetime.

pandas.to_timedelta

Преобразование аргумента в timedelta.

pandas.to_numeric

Преобразование аргумента в числовой тип.

numpy.ndarray.astype

Преобразование numpy массива в указанный тип.

Примеры

>>> ser = pd.Series([1, 2], dtype='int32')
>>> ser
0    1
1    2
dtype: int32
>>> ser.astype('int64')
0    1
1    2
dtype: int64

Преобразование в категориальный тип:

>>> ser.astype('category')
0    1
1    2
dtype: category
Categories (2, int64): [1, 2]

Преобразование в упорядоченный категориальный тип с пользовательским порядком:

>>> ser.astype('category', ordered=True, categories=[2, 1])
0    1
1    2
dtype: category
Categories (2, int64): [2 < 1]

Обратите внимание, что использование copy=False и изменение данных в новом объекте pandas может привести к распространению изменений:

>>> s1 = pd.Series([1,2])
>>> s2 = s1.astype('int', copy=False)
>>> s2[0] = 10
>>> s1  # note that s1[0] has changed too
0    10
1     2
dtype: int64