为什么dataframe列数据类型未更改[重复]
我写了一个小代码来测试如何更改Python中DataFrame列的数据类型（版本3.8.5，并在Jupyter笔记本中运行代码）。但是它没有改变数据类型。知道我做错了什么吗？
import pandas as pd
data = {'Name':['Tom', 'nick', 'krish', 'jack'],
'Age':['20+', '21.5', '19+', '18.6']}
df = pd.DataFrame(data)
df["Age_Corrected"] = df["Age"].str.replace("+","")
df
df["Age_Corrected"].astype("float")
df.info()
但我不会把年龄修正为浮动。它仍在显示对象。下面给出了我从df.info（）得到的结果。
<class 'pandas.core.frame.DataFrame'>
RangeIndex: 4 entries, 0 to 3
Data columns (total 3 columns):
# Column Non-Null Count Dtype
--- ------ -------------- -----
0 Name 4 non-null object
1 Age 4 non-null object
2 Age_Corrected 4 non-null object
dtypes: object(3)
memory usage: 112.0+ bytes
共有2个答案
它不会更改，因为不影响列。试试这个
df["Age_Corrected"] = df["Age_Corrected"].astype("float")
你必须这样做
df["Age_Corrected"]=df["Age_Corrected"]. astype（"浮动"）
-
本文向大家介绍更改Pandas Dataframe中一列或多列的数据类型，包括了更改Pandas Dataframe中一列或多列的数据类型的使用技巧和注意事项，需要的朋友参考一下 在本教程中，我们将学习一种或多种列数据类型到另一种数据类型的转换。我们将使用DataFrame.astype()方法。 我们必须传递来自Python，Pandas或Numpy的任何数据类型以更改列元素的数据类型。我们还可
-
问题内容： 在pgsql中，有一种方法可以建立一个包含多个值的表，然后选择其中一个值（例如other_id），找出其最大值，并使表中的每个新条目都从该值开始递增。 我想这太容易了，没有机会工作。 非常感谢您的见解！ 问题答案： 快速浏览一下文档会告诉您 数据类型smallserial， serial 和bigserial 不是真实类型， 而只是创建唯一标识符列的符号方便 如果你想使现有的（整数）列
-
如何在PySpark中更改嵌套列的datatype？对于rxample，如何将value的数据类型从string更改为int？ 参考：如何在pyspark中将Dataframe列从String类型更改为Double类型
-
下面是我做的方式： 我只是想知道，这是正确的方法吗，因为在运行逻辑回归时，我得到了一些错误，所以我想知道，这是麻烦的原因吗。
-
问题内容： 我们需要将某些列的数据类型从int更改为bigint。不幸的是，其中一些表很大，大约有7-10百万行（但不宽）。 Alter表alter列将永远保留在这些表上。有没有更快的方法来实现这一目标？ 问题答案： 巧合的是，大约3个小时前，我不得不做一些非常相似的事情。该表是3500万行，它相当宽，并且花了很多时间才能做到这一点： 这就是我最终得到的结果： 这次，这些陈述几乎是即时的。（在速度
-
我有一个包含复杂条目的数组列表的结构，我想将它们转换为浮点数。虚部可以丢弃，这很好。 我想知道，为什么这不起作用，而另一方面，在创建列表“数组”之前将类型更改为float会起作用。 这是一个非常基本的问题，但如果有人能分享他或她的想法，我将非常高兴。 感谢提前：）