Pandas: Dataframe-Erstellung: dtypes mit einem Wörterbuch angeben
Entschuldigung, falls diese Funktion schon einmal vorgeschlagen wurde. Viele der IO-Funktionen (zB read_csv ) ermöglichen die einfache Angabe des Formats für jede Spalte mithilfe eines Wörterbuchs. Soweit ich das verstanden habe ist das nicht
möglich mit der regulären Datenrahmenkonstruktion, zB:
df = pd.DataFrame(data=data, columns=columns, dtypes={'colname1': str, 'colname2': np.int})
Noch besser wäre es, wenn man die dtypes für die Datenrahmenspalten mit einer ähnlichen Konstruktion ändern könnte, zB:
df.change_types({'colname1': str, 'colname2': np.int})
Ist so etwas schon geplant?
amelio-vazquez-reina
Alle 3 Kommentare
siehe #9133 und #4464 das ist gar nicht so schwer
willst du es mal versuchen?
jreback
am 18. Jan. 2015
Dieser Weg funktioniert tatsächlich:
data_df = data_df.astype( dtype= {"wheel_number":"int64", "car_name":"object","minutes_spent":"float64"})
rpalloni
am 17. Apr. 2018
Ein Unterschied zwischen read_csv( csvFile, dtype={..} ) und df.astpye(dtype={..} ) :
Im Fall von read_csv ist es in Ordnung, wenn das gelieferte dict mehr Spalten enthält, die nicht in der csv enthalten sind, werden sie elegant ignoriert. Im Fall von astype() wird ein Fehler ausgegeben, wenn nicht alle definierten Spalten in den Daten vorhanden sind.
Es sollte eher wie read_csv sein. Weil wir eingehende Diktate haben können, die einige Spalten haben und andere nicht. Im Moment ist dies der Workaround, den ich tun muss:
df = pd.DataFrame( incoming_data )
gtfs_dtypes = { ... } # my master dtypes dict, having all possible column names
gtfs_dtypes_specific = { x:gtfs_dtypes.get(x,'str') for x in df.columns.tolist() }
df = df.astype(dtype=gtfs_dtypes_specific)
answerquest
am 19. Mai 2018
Verwandte Themen
mfmain
·
3Kommentare
BDannowitz
·
3Kommentare
ericdf
·
3Kommentare
nathanielatom
·
3Kommentare
venuktan
·
3Kommentare
Hilfreichster Kommentar
Dieser Weg funktioniert tatsächlich:
data_df = data_df.astype( dtype= {"wheel_number":"int64", "car_name":"object","minutes_spent":"float64"})