数据类型转换篇

python数据类型之间转换篇

1.前言

    使用python处理数据时，不可避免的要使用数据类型之间的转换。简单的诸如int、float、string之间的转换；更有数组array、列表list、数据框Dataframe之间的转换。熟知一些处理技巧，更能提升自己的工作效率。

夏SUMMER

2.简单数据类型转换

01

其他数据类型转换为int

函数格式：int(x [,base])

例：int("18")

注：可以转换的包括String类型和其他数字类型，但是会丢失精度。

02

其他数据类型转换为float

函数格式：float(x)

例：float(1)或者float("1")

注：可以转换String和其他数字类型，不足的位数用0补齐，例如1会变成1.0。

03

其他数据类型转换为string

函数格式：str(x)

例：str(1)

注：将数字转化为String。

3.复杂数据类型之间的转换

    在大数据分析中，常用的两个数据分析包numpy和pandas，而pandas正是基于numpy构建的含有更高级数据结构和工具的数据分析包。在实际的工程中，经常遇到的问题就是numpy的ndarray数据结构与pandas的series和dataframe数据结构之间的互相转换问题。

01

对list转换的操作

#coding:utf-8

import numpy as np

import pandas as pd

#创建list

data=[[2016,'hello',90],

  [2017,'world',70],

  [2018,'nice',80]]

#把list转为series

ser = pd.Series(data,

                       index=['one','two','three'])

#把seires转为matrix

mat = ser.as_matirx()

#list转为Dataframe

df=np.Dataframe(data,

index=['one','two','three'],

columns=['year','flag','status'])

#dataframe转为ndarray

array1 = df.as_matrix()

array2 = df.values

array3 = np.array(df)

array_1 = df.as_matrix(['status'])

02

对dict转换的操作

#coding:utf-8

import numpy as np

import pandas as pd

#创建dict

data = {'year':[2016,2017,2018],

         'flag':['hello','world','nice'],

         'status':[90,70,80]}

#把dict转为seires;

#不指定index时，data的key则会为Series的index

ser = pd.Series(data)

#把dict转为Dataframe;

#不指定columns,data的key充当DataFrame的columns

df = pd.DataFrame(data)

03

对array转换的操作

#coding:utf-8

import numpy as np

import pandas as pd

#创建数组array

data=np.array([[2016,'hello',90],

[2017,'world',70],

[2018,'nice',80]])

#数组转为DataFrame

df = pd.DataFrame(data,

                            index=['one','two','three'],

    columns=['year','flag','status'])

#DataFrame转为矩阵（数组）

array1 = df.as_matrix()

array2 = df.values

array3 = np.array(df)

#将某一列转为数组

array_1 = df.as_matrix(['status'])

结语

带你过夏天

因为我有幸孤身独处，虽然我从来并不孤独，

我只是独自一人而已，独自生活在稠密的思想之中，

因为我有点狂妄，是无限和永恒中的狂妄分子，

而无限和永恒也许就喜欢我这样的人。