背景

最近在項(xiàng)目處理數(shù)據(jù)時(shí)拆座，對pandas里面的數(shù)據(jù)類型進(jìn)行轉(zhuǎn)換時(shí)（astype），產(chǎn)生了一些意外的情況冠息，經(jīng)過研究挪凑，對數(shù)據(jù)框里面的數(shù)據(jù)類型，又有了新的認(rèn)識逛艰，分享出來供大家參考學(xué)習(xí)躏碳。

創(chuàng)建模擬數(shù)據(jù)

模擬數(shù)據(jù)

• 假如模擬的數(shù)據(jù)如上圖所示，里面有一些空單元格散怖，下面讀取模擬數(shù)據(jù)

import pandas as pd
import numpy as np

data=pd.read_excel('111.xlsx',sheet_name='astype')

data

讀取模擬數(shù)據(jù)

• 查看整體數(shù)據(jù)類型菇绵，可以看出所有的數(shù)據(jù)類型均為object肄渗，這里的object對應(yīng)的是python里面的str字符類型

data.dtypes

數(shù)據(jù)類型

數(shù)據(jù)類型對應(yīng)

• 查看字段4每一個(gè)數(shù)據(jù)是什么類型

for i in data['字段4']:
    print(i,'\t',type(i))

每個(gè)數(shù)據(jù)類型

可以看出字段4這一列里面，有str脸甘、float恳啥、int三種數(shù)據(jù)類型，這里就可以看出一列里面數(shù)據(jù)類型可以不同丹诀，類似Excel一列钝的，每個(gè)單元格可以存放不同類型的數(shù)據(jù)，和數(shù)據(jù)庫里面一列完全不一樣铆遭，數(shù)據(jù)庫里面一列數(shù)據(jù)類型在建表時(shí)硝桩，已聲明類型，只存放一種類型枚荣。但是上面在獲取整列數(shù)據(jù)類型時(shí)返回的是object碗脊，用的是最大的數(shù)據(jù)類型，能囊括整列的數(shù)據(jù)類型

如果astype類型強(qiáng)制轉(zhuǎn)換

data['字段4_astype']=data['字段4'].astype('str')

data

for i in data['字段4_astype']:
    print(i,'\t',type(i))

類型強(qiáng)制轉(zhuǎn)換

可以看出這里全部轉(zhuǎn)換為str橄妆，NaN也會強(qiáng)制轉(zhuǎn)換為字符型nan衙伶，不再是np.nan

nan

這樣的話就出現(xiàn)一個(gè)問題，astype是強(qiáng)制把所有的類型都轉(zhuǎn)換為str害碾，而不忽略NaN矢劲，要對非NAN進(jìn)行轉(zhuǎn)換，就需要自定義函數(shù)來實(shí)現(xiàn)

自定義函數(shù)實(shí)現(xiàn)非NAN轉(zhuǎn)換類型

def astype_str_notna(df):
    '''
    傳入?yún)?shù)：數(shù)據(jù)框里面一列  Series
    
    return：轉(zhuǎn)換后的一列  Series
    '''
    t=[]
    for i in df:
        if type(i)== float:
            if not np.isnan(i):
                i=str(int(i))
        if type(i)== int:
            i=str(i)
            
        t.append(i)
     
    
    return pd.Series(t)

data['字段4_def']=astype_str_notna(data['字段4'])

data

data['字段4'].isna()

自定義函數(shù)

通過自定義函數(shù)慌随，可以實(shí)現(xiàn)數(shù)據(jù)類型轉(zhuǎn)換芬沉，而忽略NAN，從而達(dá)到在數(shù)據(jù)統(tǒng)計(jì)時(shí)阁猜，不會計(jì)算NAN

數(shù)據(jù)統(tǒng)計(jì)