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 objetoSeries
oDataFrame
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.
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.
Samir Hernandez dice
El articulo es muy practico, útil y fácil de entender gracias por su aporte