Pandas2.2 DataFrame

Attributes and underlying data

方法	描述
DataFrame.index	用于获取 DataFrame 的行索引
DataFrame.columns	用于获取 DataFrame 的列标签
DataFrame.dtypes	用于获取 DataFrame 中每一列的数据类型

pandas.DataFrame.dtypes

pandas.DataFrame.dtypes 属性用于获取 DataFrame 中每一列的数据类型。通过 dtypes 属性，可以查看 DataFrame 中各列的数据类型，这对于数据验证和处理非常重要。

属性说明

• DataFrame.dtypes：返回一个 Series 对象，其中索引是列名，值是对应的列的数据类型。

示例

import pandas as pd# 创建一个示例 DataFrame
data = {'A': [10, 20, 30],          # 整数类型'B': [40.5, 50.5, 60.5],    # 浮点数类型'C': ['x', 'y', 'z'],       # 字符串类型'D': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03']),  # 日期时间类型'E': pd.Series([True, False, True], dtype='bool')  # 布尔类型
}df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])# 获取 DataFrame 的列数据类型
dtypes = df.dtypes
print("DataFrame dtypes:\n", dtypes)# 查看特定列的数据类型
print("\nData type of column 'A':", df['A'].dtype)# 查看特定列的数据类型（另一种方法）
print("\nData type of column 'B':", df.dtypes['B'])# 修改列的数据类型
df['A'] = df['A'].astype(float)
print("\nModified DataFrame dtypes:\n", df.dtypes)

结果

1. 获取 DataFrame 的列数据类型

   • 数据内容：

     A            int64
     B          float64
     C           object
     D    datetime64[ns]
     E              bool
     dtype: object
     

2. 查看特定列的数据类型

   • 列 ‘A’ 的数据类型：

     int64
     

3. 查看特定列的数据类型（另一种方法）

   • 列 ‘B’ 的数据类型：

     float64
     

4. 修改列的数据类型

   • 修改后的数据类型：

     A          float64
     B          float64
     C           object
     D    datetime64[ns]
     E              bool
     dtype: object
     

通过这些示例，可以看到 pandas.DataFrame.dtypes 属性如何获取和修改 DataFrame 中各列的数据类型。这些操作对于数据验证和处理非常重要。

详细说明

1. 获取 DataFrame 的列数据类型

   • 使用 df.dtypes 获取 DataFrame 中各列的数据类型。
   • 数据内容：

     A            int64
     B          float64
     C           object
     D    datetime64[ns]
     E              bool
     dtype: object
     

2. 查看特定列的数据类型

   • 使用 df['A'].dtype 查看列 ‘A’ 的数据类型。
   • 列 ‘A’ 的数据类型：

     int64
     

3. 查看特定列的数据类型（另一种方法）

   • 使用 df.dtypes['B'] 查看列 ‘B’ 的数据类型。
   • 列 ‘B’ 的数据类型：

     float64
     

4. 修改列的数据类型

   • 使用 df['A'].astype(float) 将列 ‘A’ 的数据类型从 int64 修改为 float64。
   • 修改后的数据类型：

     A          float64
     B          float64
     C           object
     D    datetime64[ns]
     E              bool
     dtype: object
     

通过这些示例，可以看到 pandas.DataFrame.dtypes 属性如何获取和修改 DataFrame 中各列的数据类型。这些操作对于数据验证和处理非常重要。

注意事项

• DataFrame.dtypes 返回的是一个 Series 对象，其中索引是列名，值是对应的列的数据类型。
• 可以使用 df['column_name'].dtype 查看特定列的数据类型。
• 可以使用 df.dtypes['column_name'] 查看特定列的数据类型（另一种方法）。
• 可以使用 df['column_name'].astype(new_dtype) 修改特定列的数据类型。

通过这些方法，可以灵活地获取和修改 DataFrame 中各列的数据类型，从而更好地进行数据处理和分析。

示例代码及验证

为了验证 pandas.DataFrame.dtypes 属性的效果，可以运行上述示例代码并查看输出结果。

import pandas as pd# 创建一个示例 DataFrame
data = {'A': [10, 20, 30],          # 整数类型'B': [40.5, 50.5, 60.5],    # 浮点数类型'C': ['x', 'y', 'z'],       # 字符串类型'D': pd.to_datetime(['2023-01-01', '2023-01-02', '2023-01-03']),  # 日期时间类型'E': pd.Series([True, False, True], dtype='bool')  # 布尔类型
}df = pd.DataFrame(data, index=['row1', 'row2', 'row3'])# 获取 DataFrame 的列数据类型
dtypes = df.dtypes
print("DataFrame dtypes:\n", dtypes)# 查看特定列的数据类型
print("\nData type of column 'A':", df['A'].dtype)# 查看特定列的数据类型（另一种方法）
print("\nData type of column 'B':", df.dtypes['B'])# 修改列的数据类型
df['A'] = df['A'].astype(float)
print("\nModified DataFrame dtypes:\n", df.dtypes)

运行结果

运行上述代码后，你会看到以下输出：

DataFrame dtypes:A            int64
B          float64
C           object
D    datetime64[ns]
E              bool
dtype: objectData type of column 'A': int64Data type of column 'B': float64Modified DataFrame dtypes:A          float64
B          float64
C           object
D    datetime64[ns]
E              bool
dtype: object

通过这些示例，可以看到 pandas.DataFrame.dtypes 属性如何获取和修改 DataFrame 中各列的数据类型。这些操作对于数据验证和处理非常重要。