3. 数据类型转换

方法/操作	语法示例	描述
查看数据类型	df.dtypes	显示每列的数据类型
强制类型转换	df[‘col’].astype(‘int’)	将列转换为指定类型（如int, float, str, datetime）
转换为日期时间	pd.to_datetime(df[‘col’])	将字符串列转为datetime类型
转换为分类数据	df[‘col’].astype(‘category’)	将列转为分类类型（节省内存，提高性能）
数值格式化	df[‘col’].round(2)	保留2位小数

核心方法

操作	方法/函数	描述
查看数据类型	df.dtypes	显示每列的数据类型（如int64、float64、object等）。
强制类型转换	df[‘col’].astype(‘type’)	将列转换为指定类型（如int、float、str、bool等）。
转换为日期时间	pd.to_datetime(df[‘col’])	将字符串或数值列转为datetime类型（支持自定义格式）。
转换为分类数据	df[‘col’].astype(‘category’)	将列转为分类类型（节省内存，提高性能，适用于有限取值的列如性别、省份）。
数值格式化	df[‘col’].round(2)	保留指定小数位数（如2位）。

代码案例讲解

1. 查看数据类型

import pandas as pd

# 加载数据（以sleep.csv为例）
df = pd.read_csv("sleep.csv")
print(df.dtypes)

输出示例：

Plain Text person_id                     int64 gender                       object age                           int64 occupation                   object sleep_duration              float64 sleep_quality               float64 …                          …

说明：object通常为字符串或混合类型，需检查是否需要转换。

2. 强制类型转换

将数值列转换为整数或字符串：

# 将sleep_duration从float转为int（丢失小数部分）
df['sleep_duration_int'] = df['sleep_duration'].astype('int32')

# 将gender转为字符串
df['gender_str'] = df['gender'].astype('str')

print(df[['sleep_duration', 'sleep_duration_int', 'gender_str']].head())

输出：

Plain Text    sleep_duration  sleep_duration_int gender_str 0             7.4                  7       Male 1             4.2                  4     Female 2             6.1                  6       Male

3. 转换为日期时间

处理时间数据（假设employees.csv有日期列）：

# 示例：创建临时日期列（实际数据可能为hire_date）
df_employees = pd.read_csv("employees.csv")
df_employees['fake_date'] = '2023-01-' + df_employees['employee_id'].astype(str).str[:2]

# 转换为datetime
df_employees['fake_date'] = pd.to_datetime(df_employees['fake_date'])
print(df_employees[['employee_id', 'fake_date']].head())

输出：

Plain Text    employee_id  fake_date 0          100 2023-01-10 1          101 2023-01-10 2          102 2023-01-10

注意：若原始格式非标准，需指定格式参数，如：  

pd.to_datetime(df[‘date’], format=’%Y/%m/%d’)

4. 转换为分类数据

优化内存和性能（适用于低基数列）：

# 将gender列转为分类类型
df['gender'] = df['gender'].astype('category')
print(df['gender'].dtypes)

输出：

Plain Text category

优势：  减少内存占用（尤其对重复值多的列）。  加速groupby、sort等操作。

5. 数值格式化

控制小数位数：

# 保留sleep_quality的2位小数
df['sleep_quality_rounded'] = df['sleep_quality'].round(2)
print(df[['sleep_quality', 'sleep_quality_rounded']].head())

输出：

Plain Text    sleep_quality  sleep_quality_rounded 0            7.0                   7.00 1            4.9                   4.90 2            6.0                   6.00

常见问题与技巧

处理转换错误：使用errors=’coerce’将无效值转为NaN，避免报错：

df['age'] = pd.to_numeric(df['age'], errors='coerce')

内存优化：将数值列从int64转为int32或float32：

df['age'] = df['age'].astype('int32')

布尔类型转换：将字符串（如”Yes”/”No”）转为布尔值：

df['is_active'] = df['active_flag'].map({'Yes': True, 'No': False})

自定义格式化：使用apply实现复杂转换（如百分比）：

df['score_percent'] = df['score'].apply(lambda x: f"{x*100:.1f}%")

实战案例：处理penguins.csv

df_penguins = pd.read_csv("penguins.csv")

# 1. 转换sex为分类类型
df_penguins['sex'] = df_penguins['sex'].astype('category')

# 2. 补全缺失值后转换bill_length_mm为float32
df_penguins['bill_length_mm'] = df_penguins['bill_length_mm'].fillna(0).astype('float32')

# 3. 检查并输出结果
print(df_penguins[['species', 'sex', 'bill_length_mm']].dtypes)

输出：

Plain Text species           object sex             category bill_length_mm    float32