Pandas 数据类型转换问题答案

【问题标题】：Pandas Datatype Conversion issuePandas 数据类型转换问题
【发布时间】：2015-11-30 23:39:26
【问题描述】：

我有一个看起来像这样的 pandas 系列：一堆unicode 字符串

>>> some_id
0    400742773466599424
1    400740479161352192
2    398829879107809281
3    398823962966097921
4    398799036070653952
Name: some_id, dtype: object

我可以执行以下操作，但我失去了精度。

>>> some_id.convert_objects(convert_numeric=True)
0    4.007428e+17
1    4.007405e+17
2    3.988299e+17
3    3.988240e+17
4    3.987990e+17
Name: some_id, dtype: float64

但如果我执行some_id.astype(int)，我会得到以下信息：ValueError: invalid literal for long() with base 10

如何在保持精度的同时将它们转换为 int 或 int64 类型？我正在使用熊猫0.16.2

更新：我发现了错误。 some_id.astype(int) 或任何其他形式的它应该可以工作。在我拥有的数千行中，some_id 有一个 text 的 string（不是 stringed 数字），因此它正在停止 int64 转换。

谢谢

【问题讨论】：

如果你使用some_id.astype(np.int64)会发生什么？
您使用的是什么版本的 Pandas。鉴于您上面的示例数据，将 some_id 从对象转换为 int（Pandas 0.14.1）没有任何问题。此外，您不会丢失精度转换为数字，它只是不显示。
@Alexander 可能是时候升级了 - 当前版本是 0.16.2 :)
@Alexander：实际上，如果转换为浮点数，精度会丢失。考虑int(float("100000000000000001"))，它返回100000000000000000。
@Alexander：你确实失去了精度，因为浮点数在这里表示的数字太多。拿OP的系列看ser.astype(np.int64) - ser.astype(float).astype(np.int64)。

标签： python numpy pandas type-conversion

【解决方案1】：

Dagrha 是对的，你应该可以使用：

some_id.astype(np.int64)

类型将是：

In[40]: some_id.dtypes
Out[41]: 
some_id    int64
dtype: object

【讨论】：

【解决方案2】：

原始数字系列：

s = pd.Series([400742773466599424, 400740479161352192, 398829879107809281,
               398823962966097921, 398799036070653952], dtype=object)

>>> s
0    400742773466599424
1    400740479161352192
2    398829879107809281
3    398823962966097921
4    398799036070653952
dtype: object

只需使用.astype(int) 进行转换就足够了。

>>> s.astype(int)
0    400742773466599424
1    400740479161352192
2    398829879107809281
3    398823962966097921
4    398799036070653952
dtype: int64

作为一个有趣的旁注（正如@Warren Weckesser 和@DSM 所指出的），由于浮点表示，您可能会丢失精度。例如，int(1e23) 表示为 999999999999999991611392L。我不确定这是否是您提到的精度，或者您是否只是在谈论显示的精度。

使用上面的示例数据，两个数字会相差一个：

>>> s.astype(np.int64) - s.astype(float).astype(np.int64)
0    0
1    0
2    1
3    1
4    0
dtype: int64

【讨论】：