为什么在pandas数据框列中应用更改dtype
我有以下数据框：
import pandas as pd
import numpy as np
df = pd.DataFrame(dict(A = np.arange(3),
B = np.random.randn(3),
C = ['foo','bar','bah'],
D = pd.Timestamp('20130101')))
print(df)
A B C D
0 0 -1.087180 foo 2013-01-01
1 1 -1.343424 bar 2013-01-01
2 2 -0.193371 bah 2013-01-01
dtypes 对于列：
print(df.dtypes)
A int32
B float64
C object
D datetime64[ns]
dtype: object
但是使用apply它们之后，所有更改都变为对象：
print(df.apply(lambda x: x.dtype))
A object
B object
C object
D object
dtype: object
为什么dtypes要反对？我认为apply应该只考虑列。
pandas 0.17.1
python 3.4.3
问题答案：
您可以在此处使用参数reduce=False和更多信息：
print (df.apply(lambda x: x.dtype, reduce=False))
A int32
B float64
C object
D datetime64[ns]
dtype: object
在较新版本的熊猫中可以使用：
print (df.apply(lambda x: x.dtype, result_type='expand'))
-
问题内容： 我正在寻找编写一个快速脚本，该脚本将通过具有两列的csv文件运行，并为我提供行，其中B列中的值从一个值切换为另一个： 例如： 数据框： 会告诉我更改发生在第2行和第3行之间。我知道如何使用for循环获取这些值，但我希望有解决此问题的更Python方式。 问题答案： 您可以为差异创建一个新列 这将是您所需的行
-
问题内容： 我想将表示为列表列表的表转换为。作为一个极其简化的示例： 将列转换为适当类型的最佳方法是什么（在这种情况下，将列2和3转换为浮点数）？有没有一种方法可以在转换为DataFrame时指定类型？还是先创建DataFrame然后遍历各列以更改各列的类型更好？理想情况下，我想以动态方式执行此操作，因为可以有数百个列，并且我不想确切指定哪些列属于哪种类型。我可以保证的是，每一列都包含相同类型的值
-
问题内容： 我在将大写字母应用于DataFrame中的列时遇到麻烦。 数据框为。 是需要应用大写的列标题。 问题是值由三个字母和三个数字组成。例如是值之一。 我收到一个错误： 如何将大写字母应用于DataFrame列中的前三个字母？ 问题答案： 这应该工作： 并且您是否希望所有名称都使用大写格式：
-
问题内容： 我有一个如下的Pandas DataFrame TimeReviewed是系列类型 我已经在下面尝试过，但是它仍然没有改变Series类型 如何将df.TimeReviewed更改为DateTime类型并分别拉出年，月，日，时，分，秒？我是python的新手，感谢您的帮助。 问题答案： 您不能：按定义列是。也就是说，如果使（所有元素的类型）类似日期时间，则可以通过访问器（docs）访问
-
在大多数情况下，似乎可以加速数据帧上的操作过程，但当我使用时，我没有发现加速。这是我的例子；我有一个包含两列的数据框： 我想做的是通过在上实现函数来计算数据帧中每一行的值，结果将除以中的值。例如，第一行的结果应该是。 这是我的函数，将在中调用： 然后我在中调用： 但是，我发现在这种情况下，比for循环慢得多，比如 有人能解释原因吗？
-
我想将一个表（表示为列表的列表）转换为。作为一个极其简化的例子： 将列转换为适当类型的最佳方法是什么，在本例中，列2和列3转换为浮点？在转换为DataFrame时是否有方法指定类型？还是先创建DataFrame，然后循环遍历列以更改每列的类型更好？理想情况下，我希望以动态的方式执行此操作，因为可以有数百个列，而我不想确切地指定哪些列属于哪种类型。我所能保证的是每列都包含相同类型的值。