pandas.DataFrame.astype

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

Преобразование объекта pandas к указанному типу данных 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 столбцеспецифичным типам.

copy:bool, по умолчанию True

Возвращает копию, когда copy=True (будьте очень осторожны при установке copy=False, так как изменения значений могут затем распространяться на другие объекты pandas).

errors:{‘raise’, ‘ignore’}, по умолчанию ‘raise’

Управление повышением исключений при некорректных данных для заданного типа данных.

• raise : разрешить повышение исключений

• ignore : подавить исключения. При ошибке вернуть исходный объект.

Возвращает

casted:тип, такой же как вызывающий

См. также

to_datetime

Преобразовать аргумент в datetime.

to_timedelta

Преобразовать аргумент в timedelta.

to_numeric

Преобразовать аргумент в числовой тип.

numpy.ndarray.astype

Преобразование массива numpy к указанному типу.

Примечания

Устарело начиная с версии 1.3.0: Использование astype для преобразования из типа без часового пояса в тип с часовым поясом устарело и будет вызывать исключение в будущей версии. Используйте Series.dt.tz_localize() вместо этого.

Примеры

Создание DataFrame:

>>> d = {'col1': [1, 2], 'col2': [3, 4]}
>>> df = pd.DataFrame(data=d)
>>> df.dtypes
col1    int64
col2    int64
dtype: object

Преобразование всех столбцов в int32:

>>> df.astype('int32').dtypes
col1    int32
col2    int32
dtype: object

Преобразование столбца col1 в int32 с помощью словаря:

>>> df.astype({'col1': 'int32'}).dtypes
col1    int32
col2    int64
dtype: object

Создание серии:

>>> 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:

>>> from pandas.api.types import CategoricalDtype
>>> cat_dtype = CategoricalDtype(
...     categories=[2, 1], ordered=True)
>>> ser.astype(cat_dtype)
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('int64', copy=False)
>>> s2[0] = 10
>>> s1  # note that s1[0] has changed too
0    10
1     2
dtype: int64

Создание серии дат:

>>> ser_date = pd.Series(pd.date_range('20200101', periods=3))
>>> ser_date
0   2020-01-01
1   2020-01-02
2   2020-01-03
dtype: datetime64[ns]