在python/大熊猫中一次更改多列的数据类型

Question

我有一个有30列的数据。使用pd.read_csv()方法加载数据时，默认情况下所有列的数据类型都设置为object。

我想将col-1 & col-5更改为int &其他列为category。

我的问题是，如何立即将其余的列设置为category，

我知道我可以做一些烦琐的事情

    +------------------------------------------------+
    | df['col-1'] = df['col-1'].astype('int)         |
    +------------------------------------------------+
    | df['col-2'] = df['col-2'].astype('category')   |
    | ...                                            |
    | df['col-5'] = df['col-5'].astype('int')        |
    +------------------------------------------------+
    | ...                                            |
    | df['col-29'] = df['col-29'].astype('category') |
    +------------------------------------------------+
    | df['col-30'] = df['col-30'].astype('category') |
    +------------------------------------------------+

在读csv的时候，我能做如下的事情吗？

pd.read_csv('myfile.csv', dtype={('col-1','col-5') : int, 'rest' : category})

这个是可能的吗？?

Answer 1

另一种方法是在for循环中使用astype。

cat_cols = [col for col in df.columns if col not in ['col1', 'col5']]

for col in cat_cols:
    df[col] = df[col].astype('category')

Answer 2

初始化将列名映射到所需类型的字典，然后将字典传递给DataFrame.astype

dtypes = {c: 'category' for c in df}
dtypes.update({c: 'int' for c in ('col1', 'col5')}

out = df.astype(dtypes)

请注意，您仍然需要显式地枚举每一列--目前没有任何范围可以将连续切片指定为astype。

或者，你可以

int64_cols = ['col1', 'col5'] 
df.loc[:, df.columns.difference(int64_cols)] = (
      df[df.columns.difference(int64_cols)].astype('category'))

df.loc[int64_cols] = df.loc[int64_cols].astype(int)

这是对astype的两个调用，而不是一个调用。