当前位置：首页 > news >正文

【Pandas】pandas DataFrame dtypes

news 2025/7/20 3:55:37

Pandas2.2 DataFrame

Attributes and underlying data

方法	描述
DataFrame.index	用于获取 DataFrame 的行索引
DataFrame.columns	用于获取 DataFrame 的列标签
DataFrame.dtypes	用于获取 DataFrame 中每一列的数据类型

pandas.DataFrame.dtypes

pandas.DataFrame.dtypes 属性用于获取 DataFrame 中每一列的数据类型。通过 dtypes 属性，可以查看 DataFrame 中各列的数据类型，这对于数据验证和处理非常重要。

属性说明

DataFrame.dtypes：返回一个 Series 对象，其中索引是列名，值是对应的列的数据类型。

示例

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'A': [10, 20, 30],          # 整数类型
    'B': [40.5, 50.5, 60.5],    # 浮点数类型
    'C': ['x', 'y', 'z'],       # 字符串类型
    'D': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03']),  # 日期时间类型
    'E': pd.Series([True, False, True], dtype='bool')  # 布尔类型
}

df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])

# 获取 DataFrame 的列数据类型
dtypes = df.dtypes
print("DataFrame dtypes:\n", dtypes)

# 查看特定列的数据类型
print("\nData type of column 'A':", df['A'].dtype)

# 查看特定列的数据类型（另一种方法）
print("\nData type of column 'B':", df.dtypes['B'])

# 修改列的数据类型
df['A'] = df['A'].astype(float)
print("\nModified DataFrame dtypes:\n", df.dtypes)

结果

获取 DataFrame 的列数据类型

数据内容：

A            int64
B          float64
C           object
D    datetime64[ns]
E              bool
dtype: object

查看特定列的数据类型
- 列 ‘A’ 的数据类型：
```
int64
```
查看特定列的数据类型（另一种方法）
- 列 ‘B’ 的数据类型：
```
float64
```

修改列的数据类型

修改后的数据类型：

A          float64
B          float64
C           object
D    datetime64[ns]
E              bool
dtype: object

通过这些示例，可以看到 pandas.DataFrame.dtypes 属性如何获取和修改 DataFrame 中各列的数据类型。这些操作对于数据验证和处理非常重要。

详细说明

获取 DataFrame 的列数据类型

使用 df.dtypes 获取 DataFrame 中各列的数据类型。

数据内容：

A            int64
B          float64
C           object
D    datetime64[ns]
E              bool
dtype: object

查看特定列的数据类型
- 使用 df['A'].dtype 查看列 ‘A’ 的数据类型。
- 列 ‘A’ 的数据类型：
```
int64
```
查看特定列的数据类型（另一种方法）
- 使用 df.dtypes['B'] 查看列 ‘B’ 的数据类型。
- 列 ‘B’ 的数据类型：
```
float64
```
修改列的数据类型
- 使用 df['A'].astype(float) 将列 ‘A’ 的数据类型从 int64 修改为 float64。
- 修改后的数据类型：
```
A          float64
B          float64
C           object
D    datetime64[ns]
E              bool
dtype: object
```

通过这些示例，可以看到 pandas.DataFrame.dtypes 属性如何获取和修改 DataFrame 中各列的数据类型。这些操作对于数据验证和处理非常重要。

注意事项

DataFrame.dtypes 返回的是一个 Series 对象，其中索引是列名，值是对应的列的数据类型。
可以使用 df['column_name'].dtype 查看特定列的数据类型。
可以使用 df.dtypes['column_name'] 查看特定列的数据类型（另一种方法）。
可以使用 df['column_name'].astype(new_dtype) 修改特定列的数据类型。

通过这些方法，可以灵活地获取和修改 DataFrame 中各列的数据类型，从而更好地进行数据处理和分析。

示例代码及验证

为了验证 pandas.DataFrame.dtypes 属性的效果，可以运行上述示例代码并查看输出结果。

import pandas as pd

# 创建一个示例 DataFrame
data = {
    'A': [10, 20, 30],          # 整数类型
    'B': [40.5, 50.5, 60.5],    # 浮点数类型
    'C': ['x', 'y', 'z'],       # 字符串类型
    'D': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03']),  # 日期时间类型
    'E': pd.Series([True, False, True], dtype='bool')  # 布尔类型
}

df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])

# 获取 DataFrame 的列数据类型
dtypes = df.dtypes
print("DataFrame dtypes:\n", dtypes)

# 查看特定列的数据类型
print("\nData type of column 'A':", df['A'].dtype)

# 查看特定列的数据类型（另一种方法）
print("\nData type of column 'B':", df.dtypes['B'])

# 修改列的数据类型
df['A'] = df['A'].astype(float)
print("\nModified DataFrame dtypes:\n", df.dtypes)

运行结果

运行上述代码后，你会看到以下输出：

DataFrame dtypes:
 A            int64
B          float64
C           object
D    datetime64[ns]
E              bool
dtype: object

Data type of column 'A': int64

Data type of column 'B': float64

Modified DataFrame dtypes:
 A          float64
B          float64
C           object
D    datetime64[ns]
E              bool
dtype: object

通过这些示例，可以看到 pandas.DataFrame.dtypes 属性如何获取和修改 DataFrame 中各列的数据类型。这些操作对于数据验证和处理非常重要。

查看全文

http://www.dtcms.com/a/107326.html