astype()
astype()
La méthode astype de pandas permet de convertir le type de données d'une ou plusieurs colonnes d'un DataFrame.
Syntaxe de astype()
Supposons que vous ayez un DataFrame représentant des informations sur des produits, avec des colonnes telles que :
Paramètres de astype()
astype(int, errors='raise') : Convertir la colonne ProductID en entier, en levant une erreur si la conversion échoue.
.to_numeric(..., errors='coerce') : Convertir la colonne CategoryID en type numérique, avec les valeurs invalides remplacées par NaN.
astype(float, errors='ignore') : Convertir la colonne Price en type float, en ignorant les erreurs de conversion.
map({...}).astype(bool, errors='ignore') : Convertir la colonne InStock en type booléen en utilisant un mapping, avec les valeurs non reconnues traitées comme False.
astype('category') : Convertir la colonne ProductName en type catégorie pour optimiser l'utilisation de la mémoire.
dtypes : Cela permet de vérifier le type de chaque colonne, ce qui est utile pour comprendre la structure des données et s'assurer que les colonnes ont les types appropriés pour les analyses ou transformations ultérieures.
Voir aussi : all(), any(), append(), count(), enumerate(), extend(), filter(), float() format() input(), int(), isdigit(), isinstance(), items(), join(), endswith(), list(), map(), max(), mean(), min(), pop(), range(), len(), startswith(), zip(), type(), get(), symmetric_difference(), keys(), difference()
Numpy : arange(), array(), delete(), hsplit(), hstack(), linspace(), logical_and(), logical_or(), polyfit()
Pandas : concat(), concatenate(), describe(), dict(), drop_duplicates(), dropna(), fillna(), from_dict(), groupby(), head(), iloc, info(), insert(), isin(), melt(), merge(), pivot_table(), read_csv(), read_excel(), rename(), where()
N'hésitez pas à consulter nos formations sur cette page.