Pandas: Cambiar los tipos de datos en los DataFrames

Al trabajar con DataFrames de Pandas se puede observar que cada una de las series contiene un tipo de dato diferentes, como puede ser cadenas de caracteres, fechas, enteros o reales. En esta entrada, vamos a ver como se puede cambiar los tipos de datos en los DataFrames. Usando para ello el método astype(). Una operación que se puede realizar tanto sobre una única serie del DataFrame como sobre un conjunto ellas.

El método astype()

Los objetos de Pandas, tanto las Series como los DataFrame, poseen el método astype() que tiene las siguientes propiedades

obj.astype(dtype, copy=True, errors='raise')

en donde los parámetros son:

• dtype: el tipo de dato de Python al que se desea convertir todos los valores del objeto Series o DataFrame
• copy: indica si se el método retorna una copia del objeto con las modificaciones, opción por defecto, o el objeto original modificado.
• errors: la forma en la que se manejan los posibles errores. Existen dos opciones:
  * raise en el caso de que se produzca un error se lanzará una excepción y se parará la ejecución del código
  * ignore el error se ignora y se devuelve el valor original.

Cambiar los tipos de datos con astype()

Para comprobar el funcionamiento del método astype() en primer lugar se creará un objeto DataFrame con valores numéricos y de texto.

En Analytics Lane

El sesgo en las encuestas: cómo y por qué ocurre, y qué podemos hacer para detectarlo

import pandas as pd

users = {'first_name': ['Montgomery', 'Dagmar', 'Reeba', 'Shalom', 'Broddy', 'Aurelia'],
         'last_name': ['Humes', 'Elstow', 'Wattisham', 'Alen', 'Keningham', 'Brechin'],
         'age': [27, 41, 29, 29, 21, 33],
         'gender': ['Male', 'Female', 'Female', 'Male', 'Male', 'Female'], 
         'sales': [92, 65, 56, 59, 26, 65]}

df = pd.DataFrame(users)

   first_name  last_name  age  gender  sales
0  Montgomery      Humes   27    Male     92
1      Dagmar     Elstow   41  Female     65
2       Reeba  Wattisham   29  Female     56
3      Shalom       Alen   29    Male     59
4      Broddy  Keningham   21    Male     26
5     Aurelia    Brechin   33  Female     65

Pudiendo comprobar cuales son los tipos de datos de este objeto.

df.dtypes

first_name    object
last_name     object
age            int64
gender        object
sales          int64
dtype: object

En donde se puede ver que las cadenas de texto son de tipo objeto y los valores numéricos enteros de 64 bits. No se observa en el ejemplo valores reales ya que todos los números usados son enteros. Por lo que una primera opción puede ser convertir la variable sales en una de tipo real, para lo que se tiene que se puede aplicar el método astype() con el tipo float64 a la serie y cargar el resultado en esta

df['sales'] = df['sales'].astype('float64')

   first_name  last_name  age  gender  sales
0  Montgomery      Humes   27    Male   92.0
1      Dagmar     Elstow   41  Female   65.0
2       Reeba  Wattisham   29  Female   56.0
3      Shalom       Alen   29    Male   59.0
4      Broddy  Keningham   21    Male   26.0
5     Aurelia    Brechin   33  Female   65.0

Lo que ha modificado el tipo de la serie a real. Algo que se puede ver en la aparición de decimales en los valores y confirmar con mediante la propiedad dtypes.

first_name     object
last_name      object
age             int64
gender         object
sales         float64
dtype: object

También se puede convertir la serie age en una de tipo objeto

df['age'] = df['age'].astype('object')
df.dtypes

first_name     object
last_name      object
age            object
gender         object
sales         float64
dtype: object

Convertir más de una serie en un DataFrame a la vez

En el caso de que se desee transformar más de un tipo de dato no se tiene porque replicar el proceso anterior para cada una de las series, el parámetro dtype puede ser un diccionario con el nombre de las series a transformar y los tipos. Así para convertir las series age y sales en enteros de 32 bits se puede hacer en un único paso con

df = df.astype({'age': 'int32', 'sales': 'int32'})
df.dtypes

first_name    object
last_name     object
age            int32
gender        object
sales          int32
dtype: object

Conclusiones

En esta entrada hemos visto el proceso para cambiar los tipos de datos en los DataFrames, algo que puede ser de utilidad cuando no queremos trabajar con los valores por defecto.