Convierta el tipo de datos de la columna Pandas a int

En este artículo, vamos a ver cómo convertir una columna de Pandas a int. Una vez que se crea un pandas.DataFrame utilizando datos externos, las columnas numéricas se toman sistemáticamente como objetos de tipo de datos en lugar de int o float, lo que no permite crear tareas numéricas. Pasaremos cualquier tipo de datos de Python, Numpy o Pandas para variar todas las columnas de un marco de datos al mismo tipo, o pasaremos un diccionario que tenga nombres de columnas como claves y tipos de datos como valores para variar el tipo de columnas seleccionadas.

Aquí , la función astype() nos permite expresar el tipo de datos que necesita tener. Es extremadamente adaptable, es decir, puede intentar pasar de un tipo a otro.

Acercarse:

• Importar pandas
• Inicializar marco de datos
• Aplicar función a la columna DataFrame
• Imprimir tipo de datos de columna

Ejemplo 1:

Primero importamos el módulo pandas usando la sintaxis estándar. Luego creamos un marco de datos con valores 1, 2, 3, 4 e índices de columna como a y b. Nombramos este marco de datos como df. Luego convertimos el tipo de columna usando el método astype(). El resultado final son tipos de datos convertidos de columna.

Código:

import pandas as pd  
  
df = pd.DataFrame([["1", "2"], ["3", "4"]],
                  columns = ["a", "b"])
  
df["a"] = df["a"].astype(str).astype(int)
  
print(df.dtypes)

Producción:

Ejemplo 2:

Primero importamos el módulo pandas usando la sintaxis estándar. Luego creamos un marco de datos con valores ‘A’: [1, 2, 3, 4, 5], ‘B’: [‘a’, ‘b’, ‘c’, ‘d’, ‘e’], ‘ C’: [1.1, ‘1.0’, ‘1.3’, 2, 5] e índices de columna como A, B y C. Usamos un diccionario llamado convert_dict para convertir columnas específicas A y C. Llamamos a este marco de datos como df. Luego, convertimos el tipo de columna usando el método astype(). El resultado final es tipos de datos convertidos de columnas.

import pandas as pd  
  
# sample dataframe  
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': ['a', 'b', 'c', 'd', 'e'],
                   'C': [1.1, '1.0', '1.3', 2, 5] })  
  
# using dictionary to convert specific columns  
convert_dict = {'A': int,
                'C': float }  
  
df = df.astype(convert_dict)  
print(df.dtypes)

Producción: