【问题标题】：Change data type of a specific column of a pandas dataframe更改熊猫数据框特定列的数据类型
【发布时间】：2017-01-11 12:23:13
【问题描述】：

我想按特定列对包含许多列的数据框进行排序，但首先我需要将类型从 object 更改为 int。如何在保持原有列位置不变的情况下更改该特定列的数据类型？

【问题讨论】：

可以使用df['colname'] = df['colname'].astype(int) 吗？
您是否尝试搜索此内容：stackoverflow.com/… 有很多相关问题。它还很大程度上取决于当前数据的构成，例如，如果您有缺失值，则无法转换为 int，因为 NaN 不能由 int 表示
或者您只需要转换为int 进行排序，然后再转换回string (object)？
@jezrael 是的，请。我需要在排序后转换回来
@DougKruger - df['colname'] = df['colname'].astype(int) 工作或error ?

标签： python pandas

【解决方案1】：

df['colname'] = df['colname'].astype(int) 至少在从 float 值更改为 int 时有效。

【讨论】：

这对我有用。我遇到了这个问题，我发现的所有答案似乎都过于复杂了，感谢简单的答案:)

【解决方案2】：

我尝试了以下方法：

df['column']=df.column.astype('int64')

它对我有用。

【讨论】：

【解决方案3】：

您可以通过sort_values 的排序列使用reindex，通过astype 转换为int：

df = pd.DataFrame({'A':[1,2,3],
                   'B':[4,5,6],
                   'colname':['7','3','9'],
                   'D':[1,3,5],
                   'E':[5,3,6],
                   'F':[7,4,3]})

print (df)
   A  B  D  E  F colname
0  1  4  1  5  7       7
1  2  5  3  3  4       3
2  3  6  5  6  3       9

print (df.colname.astype(int).sort_values())
1    3
0    7
2    9
Name: colname, dtype: int32

print (df.reindex(df.colname.astype(int).sort_values().index))
   A  B  D  E  F colname
1  2  5  3  3  4       3
0  1  4  1  5  7       7
2  3  6  5  6  3       9

print (df.reindex(df.colname.astype(int).sort_values().index).reset_index(drop=True))
   A  B  D  E  F colname
0  2  5  3  3  4       3
1  1  4  1  5  7       7
2  3  6  5  6  3       9

如果第一个解决方案由于None 或错误数据而不起作用，请使用to_numeric：

df = pd.DataFrame({'A':[1,2,3],
                   'B':[4,5,6],
                   'colname':['7','3','None'],
                   'D':[1,3,5],
                   'E':[5,3,6],
                   'F':[7,4,3]})

print (df)
   A  B  D  E  F colname
0  1  4  1  5  7       7
1  2  5  3  3  4       3
2  3  6  5  6  3    None

print (pd.to_numeric(df.colname, errors='coerce').sort_values())
1    3.0
0    7.0
2    NaN
Name: colname, dtype: float64

【讨论】：

【解决方案4】：

要简单地更改一列，您可以执行以下操作： df.column_name.apply(int)

您可以将int 替换为您想要的所需数据类型，例如(np.int64)、str、category。

对于多种数据类型更改，我建议如下：

df = pd.read_csv(data, dtype={'Col_A': str,'Col_B':int64})

【讨论】：