pandas 0.23 - DataFrame.astype()

pandas.DataFrame.astype




pandas

pandas.DataFrame.astype

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

एक निर्दिष्ट dtype dtype लिए एक पांडा ऑब्जेक्ट कास्ट करें।

पैरामीटर:

dtype : डेटा प्रकार, या कॉलम नाम का ताना -> डेटा प्रकार

संपूर्ण पांडा ऑब्जेक्ट को एक ही प्रकार में डालने के लिए एक numpy.dtype या पायथन प्रकार का उपयोग करें। वैकल्पिक रूप से, {col: dtype,…} का उपयोग करें, जहाँ col एक कॉलम लेबल है और dtype एक numpy.dtype या Python प्रकार है, जो कॉलम-विशिष्ट प्रकारों के लिए DataFrame के स्तंभों में से एक या अधिक कास्ट करता है।

कॉपी : बूल, डिफ़ॉल्ट सच।

प्रतिलिपि कॉपी करें जब copy=True (बहुत सावधान सेटिंग copy=False मूल्यों में परिवर्तन के रूप में copy=False हो तो अन्य पांडा वस्तुओं के लिए प्रचार कर सकते हैं)।

त्रुटियाँ : {'बढ़ाएँ', 'अनदेखा'}, डिफ़ॉल्ट 'बढ़ाएँ'।

प्रदान किए गए dtype के लिए अमान्य डेटा पर अपवादों को नियंत्रित करना।

  • raise : अपवादों को raise अनुमति दें
  • ignore : अपवादों को दबाएं। त्रुटि पर मूल वस्तु वापस करें

संस्करण में नया 0.20.0।

raise_on_error : अमान्य इनपुट पर बढ़ाएं

संस्करण 0.20.0 के बाद से पदावनत: इसके बजाय errors उपयोग करें

kwargs : keyword arguments to pass on to the constructor
यह दिखाता है:
casted : type of caller

यह भी देखें

pandas.to_datetime
तर्क को डेटाइम में बदलें।
pandas.to_timedelta
तर्क को समयबद्धता में बदलें।
pandas.to_numeric
तर्क को संख्यात्मक प्रकार में बदलें।
numpy.ndarray.astype
एक निर्दिष्ट प्रकार के लिए एक सुस्पष्ट सरणी कास्ट करें।

उदाहरण

>>> ser = pd.Series([1, 2], dtype='int32')
>>> ser
0    1
1    2
dtype: int32
>>> ser.astype('int64')
0    1
1    2
dtype: int64

श्रेणीगत प्रकार में बदलें:

>>> ser.astype('category')
0    1
1    2
dtype: category
Categories (2, int64): [1, 2]

कस्टम आदेश देने के साथ क्रमबद्ध प्रकार में परिवर्तित करें:

>>> ser.astype('category', ordered=True, categories=[2, 1])
0    1
1    2
dtype: category
Categories (2, int64): [2 < 1]

ध्यान दें कि copy=False का उपयोग करना copy=False किसी नए पांडा ऑब्जेक्ट पर copy=False और बदलते हुए डेटा परिवर्तन का प्रचार कर सकते हैं:

>>> 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