pandas.DataFrame.astype

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

Преобразование pandas объекта к указанному типу dtype.

Параметры:

dtype : тип данных или словарь имя столбца -> тип данных Используйте numpy.dtype или Python тип для преобразования всего pandas объекта к одному типу. В качестве альтернативы, используйте {столбец: тип, …}, где столбец - имя столбца, а тип - 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, устанавливая copy=False так как изменения в значениях могут распространиться на другие pandas объекты). errors : {‘raise’, ‘ignore’}, по умолчанию ‘raise’. Управление обработкой исключений при некорректных данных для заданного типа. raise : разрешить исключения ignore : подавить исключения. В случае ошибки вернуть исходный объект Новое в версии 0.20.0. raise_on_error : вызывать исключение при некорректном вводе Устарело начиная с версии 0.20.0: Используйте errors вместо kwargs : keyword arguments to pass on to the constructor

Возвращает:

casted : type of caller

См. также

pandas.to_datetime

Преобразовать аргумент в дату и время.

pandas.to_timedelta

Преобразовать аргумент в интервал времени.

pandas.to_numeric

Преобразовать аргумент в числовой тип.

numpy.ndarray.astype

Преобразовать numpy массив 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 упорядочением:

>>> 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 pandas объекте может вызвать распространение изменений:

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