溫馨提示×
您好，登錄后才能下訂單哦！
點擊 登錄注冊 即表示同意《億速云用戶服務條款》
您好，登錄后才能下訂單哦！
在數據處理過程中
比如從CSV文件中導入數據
data_df = pd.read_csv("names.csv")
在處理之前一定要查看數據的類型
data_df.info()
*RangeIndex: 891 entries, 0 to 890 Data columns (total 12 columns): Name 891 non-null object Sex 891 non-null object Age 714 non-null float64 SibSp 891 non-null int64 Parch 891 non-null int64 Ticket 891 non-null object Fare 891 non-null float64 Cabin 204 non-null object Embarked 889 non-null object dtypes: float64(2), int64(5), object(5) memory usage: 83.6+ KB*
以上object , int64, 以及 float64 便是數據的類型。
如果我們需要對列數據進行相互之間的運算的吧，必須注意的一點是：
兩列的數據類型是否是相同的!!
如果一個object類型與int64的類型相加，便會發生錯誤
錯誤提示可能如下：
TypeError: ufunc 'add' not contain a loop with signature matching types dtype('<U32') dtype('<U32') dtype('<U32')
此時的object類型可能是‘12.3'這樣str格式的數字，如果要運算必須進行格式轉換：
可采用如下方法(convert_objects)：
dt_df = dt_df.convert_objects(convert_numeric=True)
親測有效。
再提醒一遍！得到數據一定要先查看數據類型！！！
以上這篇pandas object格式轉float64格式的方法就是小編分享給大家的全部內容了，希望能給大家一個參考，也希望大家多多支持億速云。
免責聲明：本站發布的內容（圖片、視頻和文字）以原創、轉載和分享為主，文章觀點不代表本網站立場，如果涉及侵權請聯系站長郵箱：is@yisu.com進行舉報，并提供相關證據，一經查實，將立刻刪除涉嫌侵權內容。
