資料結構
網路
關係資料庫管理系統 (RDBMS)
作業系統
Java
MS Excel
iOS
HTML
CSS
Android
Python
C語言程式設計
C++
C#
MongoDB
MySQL
Javascript
PHP
物理學
化學
生物學
數學
英語
經濟學
心理學
社會學
服裝設計
法律研究如何在Pandas DataFrame中檢查資料型別？
為了檢查pandas DataFrame中的資料型別，我們可以使用"dtype"屬性。該屬性返回一個包含每一列資料型別的序列。
DataFrame的列名作為結果序列物件的索引，相應的資料型別作為序列物件的取值。
如果任何列儲存了混合資料型別，則整列的資料型別將顯示為object dtype。
示例1
應用pandas dtype屬性並驗證DataFrame物件中每一列的資料型別。
# importing pandas package
import pandas as pd
# create a Pandas DataFrame
df = pd.DataFrame({'Col1':[4.1, 23.43], 'Col2':['a', 'w'], 'Col3':[1, 8]})
print("DataFrame:")
print(df)
# apply the dtype attribute
result = df.dtypes
print("Output:")
print(result)輸出
輸出如下所示：
DataFrame: Col1 Col2 Col3 0 4.10 a 1 1 23.43 w 8 Output: Col1 float64 Col2 object Col3 int64 dtype: object
在這個輸出塊中，我們可以注意到，Col1的資料型別為float64，Col2的資料型別為object，Col3儲存的是整數(int64)型別資料。
示例2
現在，讓我們將dtype屬性應用於另一個Pandas DataFrame物件。
# importing pandas package
import pandas as pd
# create a Pandas DataFrame
df = pd.DataFrame({'A':[41, 23, 56], 'B':[1, '2021-01-01', 34.34], 'C':[1.3, 3.23, 267.3]})
print("DataFrame:")
print(df)
# apply the dtype attribute
result = df.dtypes
print("Output:")
print(result)輸出
輸出如下：
DataFrame: A B C 0 41 1 1.30 1 23 2021-01-01 3.23 2 56 34.34 267.30 Output: A int64 B object C float64 dtype: object
對於給定的DataFrame，列B儲存了混合資料型別的值，因此該特定列的結果dtype表示為object dtype。
更新於：2023年8月29日
21.1萬+ 次瀏覽
廣告