Chuyển đổi float thành ints trong Pandas?

Tôi đã làm việc với dữ liệu được nhập từ CSV. Gấu trúc đã thay đổi một số cột thành float, vì vậy bây giờ các số trong các cột này được hiển thị dưới dạng các điểm nổi! Tuy nhiên, tôi cần chúng được hiển thị dưới dạng số nguyên hoặc không có dấu phẩy. Có cách nào để chuyển đổi chúng thành số nguyên hay không hiển thị dấu phẩy?

Để sửa đổi đầu ra float, hãy làm điều này:

df= pd.DataFrame(range(5), columns=['a'])
df.a = df.a.astype(float)
df

Out[33]:

          a
0 0.0000000
1 1.0000000
2 2.0000000
3 3.0000000
4 4.0000000

pd.options.display.float_format = '{:,.0f}'.format
df

Out[35]:

   a
0  0
1  1
2  2
3  3
4  4

Sử dụng pandas.DataFrame.astype(<type>)hàm để thao tác các dtypes cột.

>>> df = pd.DataFrame(np.random.rand(3,4), columns=list("ABCD"))
>>> df
          A         B         C         D
0  0.542447  0.949988  0.669239  0.879887
1  0.068542  0.757775  0.891903  0.384542
2  0.021274  0.587504  0.180426  0.574300
>>> df[list("ABCD")] = df[list("ABCD")].astype(int)
>>> df
   A  B  C  D
0  0  0  0  0
1  0  0  0  0
2  0  0  0  0

BIÊN TẬP:

Để xử lý các giá trị còn thiếu:

>>> df
          A         B     C         D
0  0.475103  0.355453  0.66  0.869336
1  0.260395  0.200287   NaN  0.617024
2  0.517692  0.735613  0.18  0.657106
>>> df[list("ABCD")] = df[list("ABCD")].fillna(0.0).astype(int)
>>> df
   A  B  C  D
0  0  0  0  0
1  0  0  0  0
2  0  0  0  0

Xem xét khung dữ liệu sau:

>>> df = pd.DataFrame(10*np.random.rand(3, 4), columns=list("ABCD"))
>>> print(df)
...           A         B         C         D
... 0  8.362940  0.354027  1.916283  6.226750
... 1  1.988232  9.003545  9.277504  8.522808
... 2  1.141432  4.935593  2.700118  7.739108

Sử dụng danh sách tên cột, thay đổi loại cho nhiều cột bằng applymap():

>>> cols = ['A', 'B']
>>> df[cols] = df[cols].applymap(np.int64)
>>> print(df)
...    A  B         C         D
... 0  8  0  1.916283  6.226750
... 1  1  9  9.277504  8.522808
... 2  1  4  2.700118  7.739108

Hoặc cho một cột duy nhất với apply():

>>> df['C'] = df['C'].apply(np.int64)
>>> print(df)
...    A  B  C         D
... 0  8  0  1  6.226750
... 1  1  9  9  8.522808
... 2  1  4  2  7.739108

Đây là một giải pháp nhanh chóng trong trường hợp bạn muốn chuyển đổi nhiều cột của bạn pandas.DataFrametừ float sang số nguyên cũng xem xét trường hợp bạn có thể có các giá trị NaN.

cols = ['col_1', 'col_2', 'col_3', 'col_4']
for col in cols:
   df[col] = df[col].apply(lambda x: int(x) if x == x else "")

Tôi đã thử với else x)và else None), nhưng kết quả vẫn có số float, vì vậy tôi đã sử dụng else "".

Mở rộng trên @Ryan G đã đề cập đến việc sử dụng pandas.DataFrame.astype(<type>)phương thức, người ta có thể sử dụng errors=ignoređối số để chỉ chuyển đổi các cột không tạo ra lỗi, điều này làm đơn giản hóa cú pháp. Rõ ràng, nên thận trọng khi bỏ qua lỗi, nhưng đối với nhiệm vụ này, nó rất tiện dụng.

>>> df = pd.DataFrame(np.random.rand(3, 4), columns=list('ABCD'))
>>> df *= 10
>>> print(df)
...           A       B       C       D
... 0   2.16861 8.34139 1.83434 6.91706
... 1   5.85938 9.71712 5.53371 4.26542
... 2   0.50112 4.06725 1.99795 4.75698

>>> df['E'] = list('XYZ')
>>> df.astype(int, errors='ignore')
>>> print(df)
...     A   B   C   D   E
... 0   2   8   1   6   X
... 1   5   9   5   4   Y
... 2   0   4   1   4   Z

Từ tài liệu pandas.DataFrame.astype :

lỗi: {'nâng cao', 'bỏ ​​qua'}, mặc định 'nâng cao'

Kiểm soát nâng cao các ngoại lệ trên dữ liệu không hợp lệ cho dtype được cung cấp.

• nâng cao: cho phép ngoại lệ được nêu ra
• bỏ qua: triệt tiêu các ngoại lệ. Khi lỗi trả về đối tượng ban đầu

Mới trong phiên bản 0.20.0.

>>> import pandas as pd
>>> right = pd.DataFrame({'C': [1.002, 2.003], 'D': [1.009, 4.55], 'key': ['K0', 'K1']})
>>> print(right)
           C      D key
    0  1.002  1.009  K0
    1  2.003  4.550  K1
>>> right['C'] = right.C.astype(int)
>>> print(right)
       C      D key
    0  1  1.009  K0
    1  2  4.550  K1

Để chuyển đổi tất cả các cột float sang int

>>> df = pd.DataFrame(np.random.rand(5, 4) * 10, columns=list('PQRS'))
>>> print(df)
...     P           Q           R           S
... 0   4.395994    0.844292    8.543430    1.933934
... 1   0.311974    9.519054    6.171577    3.859993
... 2   2.056797    0.836150    5.270513    3.224497
... 3   3.919300    8.562298    6.852941    1.415992
... 4   9.958550    9.013425    8.703142    3.588733

>>> float_col = df.select_dtypes(include=['float64']) # This will select float columns only
>>> # list(float_col.columns.values)
>>> for col in float_col.columns.values:
...     df[col] = df[col].astype('int64')
>>> print(df)
...     P   Q   R   S
... 0   4   0   8   1
... 1   0   9   6   3
... 2   2   0   5   3
... 3   3   8   6   1
... 4   9   9   8   3

Đây là một hàm đơn giản giúp downcast nổi vào loại số nguyên nhỏ nhất có thể mà không mất bất kỳ thông tin nào. Ví dụ như,

• 100.0 có thể được chuyển đổi từ float sang số nguyên, nhưng 99.9 không thể (mà không mất thông tin để làm tròn hoặc cắt bớt)

• Ngoài ra, 1.0 có thể được downcast tất cả các cách int8mà không làm mất thông tin, nhưng loại số nguyên nhỏ nhất cho 100_000.0 làint32

Mã ví dụ:

import numpy as np
import pandas as pd

def float_to_int( s ):
    if ( s.astype(np.int64) == s ).all():
        return pd.to_numeric( s, downcast='integer' )
    else:
        return s

# small integers are downcast into 8-bit integers
float_to_int( np.array([1.0,2.0]) )
Out[1]:array([1, 2], dtype=int8)

# larger integers are downcast into larger integer types
float_to_int( np.array([100_000.,200_000.]) )
Out[2]: array([100000, 200000], dtype=int32)

# if there are values to the right of the decimal
# point, no conversion is made
float_to_int( np.array([1.1,2.2]) )
Out[3]: array([ 1.1,  2.2])

Các cột cần được chuyển đổi thành int cũng có thể được đề cập trong từ điển như dưới đây

df = df.astype({'col1': 'int', 'col2': 'int', 'col3': 'int'})

>>> df_18['cyl'].value_counts()
... 4.0     365
... 6.0     246
... 8.0     153

>>> df_18['cyl'] = df_18['cyl'].astype(int)
>>> df_18['cyl'].value_counts()
... 4     365
... 6     246
... 8     153