读取数据框时获取浮点值
Getting float values while reading Data Frame
我的 csv 文件中有 Sr.no 列 包含所有整数值,但会将其读取为 pandas 数据框,为什么一些整数值会转换为浮点数?
I have Data set contain following records
When i load it as Data Frame it shows like this
These are n th records of same data set
But this time in Data Frame SR.NO column it is showing float values
这是类型支配。
检查这个例子:
df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
A B
0 1 2
1 3 4 <---- ALL INTEGERS
和:
df2 = pd.DataFrame([[np.nan, 6], [7, 8]], columns=list('AB'))
A B
0 NaN 6
1 7.0 8 <-- NOT INTEGER
可以看到,7 -> 7.0。
还有更多:
df.append(df2, ignore_index=True)
A B
0 1.0 2
1 3.0 4
2 NaN 6
3 7.0 8
Pandas 自动定义列的类型。
要更改此设置,请使用 pd.read_csv(..., dtype={'PUT_COL_NAME_HERE': PUT_TYPE_HERE})
或 pd.astype()
我的 csv 文件中有 Sr.no 列 包含所有整数值,但会将其读取为 pandas 数据框,为什么一些整数值会转换为浮点数?
I have Data set contain following records
When i load it as Data Frame it shows like this
These are n th records of same data set
But this time in Data Frame SR.NO column it is showing float values
这是类型支配。
检查这个例子:
df = pd.DataFrame([[1, 2], [3, 4]], columns=list('AB'))
A B
0 1 2
1 3 4 <---- ALL INTEGERS
和:
df2 = pd.DataFrame([[np.nan, 6], [7, 8]], columns=list('AB'))
A B
0 NaN 6
1 7.0 8 <-- NOT INTEGER
可以看到,7 -> 7.0。
还有更多:
df.append(df2, ignore_index=True)
A B
0 1.0 2
1 3.0 4
2 NaN 6
3 7.0 8
Pandas 自动定义列的类型。
要更改此设置,请使用 pd.read_csv(..., dtype={'PUT_COL_NAME_HERE': PUT_TYPE_HERE})
或 pd.astype()