パンダのデータフレーム列のdtypeを割り当てる

dtype複数の列のs を設定したいpd.Dataframe（ファイルが対応していなかったため、リストのリストに手動で解析しなければならないファイルがありますpd.read_csv）

import pandas as pd
print pd.DataFrame([['a','1'],['b','2']],
                   dtype={'x':'object','y':'int'},
                   columns=['x','y'])

私は得る

ValueError: entry not a 2- or 3- tuple

それらを設定できる唯一の方法は、各列変数をループしてで再キャストすることastypeです。

dtypes = {'x':'object','y':'int'}
mydata = pd.DataFrame([['a','1'],['b','2']],
                      columns=['x','y'])
for c in mydata.columns:
    mydata[c] = mydata[c].astype(dtypes[c])
print mydata['y'].dtype   #=> int64

もっと良い方法はありますか？

0.17以降、明示的な変換を使用する必要があります。

pd.to_datetime, pd.to_timedelta and pd.to_numeric

（下記のとおり、「マジック」convert_objectsはなくなり、0.17で非推奨になりました）

df = pd.DataFrame({'x': {0: 'a', 1: 'b'}, 'y': {0: '1', 1: '2'}, 'z': {0: '2018-05-01', 1: '2018-05-02'}})

df.dtypes

x    object
y    object
z    object
dtype: object

df

   x  y           z
0  a  1  2018-05-01
1  b  2  2018-05-02

これらを変換する各列に適用できます。

df["y"] = pd.to_numeric(df["y"])
df["z"] = pd.to_datetime(df["z"])    
df

   x  y          z
0  a  1 2018-05-01
1  b  2 2018-05-02

df.dtypes

x            object
y             int64
z    datetime64[ns]
dtype: object

dtypeが更新されていることを確認します。

パンダconvert_objects0.12-0.16の古い/廃止された回答：より良いdtypeを推測するために使用できます：

In [21]: df
Out[21]: 
   x  y
0  a  1
1  b  2

In [22]: df.dtypes
Out[22]: 
x    object
y    object
dtype: object

In [23]: df.convert_objects(convert_numeric=True)
Out[23]: 
   x  y
0  a  1
1  b  2

In [24]: df.convert_objects(convert_numeric=True).dtypes
Out[24]: 
x    object
y     int64
dtype: object

マジック！（非推奨になるのは悲しいことです。）

私などのGoogle（など）から来ている人：

convert_objects 0.17以降廃止されました-使用すると、次のような警告が表示されます。

FutureWarning: convert_objects is deprecated.  Use the data-type specific converters 
pd.to_datetime, pd.to_timedelta and pd.to_numeric.

次のようなことをする必要があります。

• df =df.astype(np.float)
• df["A"] =pd.to_numeric(df["A"])

あなたはパンダDataFrame.astype(dtype, copy=True, raise_on_error=True, **kwargs)で明示的にタイプを設定し、あなたがしたいdtypesで辞書を渡すことができますdtype

ここに例があります：

import pandas as pd
wheel_number = 5
car_name = 'jeep'
minutes_spent = 4.5

# set the columns
data_columns = ['wheel_number', 'car_name', 'minutes_spent']

# create an empty dataframe
data_df = pd.DataFrame(columns = data_columns)
df_temp = pd.DataFrame([[wheel_number, car_name, minutes_spent]],columns = data_columns)
data_df = data_df.append(df_temp, ignore_index=True) 

In [11]: data_df.dtypes
Out[11]:
wheel_number     float64
car_name          object
minutes_spent    float64
dtype: object

data_df = data_df.astype(dtype= {"wheel_number":"int64",
        "car_name":"object","minutes_spent":"float64"})

変更されたことがわかります

In [18]: data_df.dtypes
Out[18]:
wheel_number       int64
car_name          object
minutes_spent    float64

列のタイプを設定するもう1つの方法は、最初に目的のタイプでnumpyレコード配列を作成し、それを入力してから、DataFrameコンストラクターに渡すことです。

import pandas as pd
import numpy as np    

x = np.empty((10,), dtype=[('x', np.uint8), ('y', np.float64)])
df = pd.DataFrame(x)

df.dtypes ->

x      uint8
y    float64

あなたと同じような問題に直面しています。私の場合、手動で解析する必要があるCiscoログからの1000個のファイルがあります。

フィールドとタイプに柔軟に対応するために、実際にはdtype仕様のdictを受け入れるStringIO + read_cvsを使用してテストに成功しました。

私は通常、各ファイル（5kから20k行）をバッファーに入れ、dtype辞書を動的に作成します。

最終的に私はこれらのデータフレームを（カテゴリカル... 0.19のおかげで）大きなデータフレームに連結し、hdf5にダンプします。

これらの線に沿った何か

import pandas as pd
import io 

output = io.StringIO()
output.write('A,1,20,31\n')
output.write('B,2,21,32\n')
output.write('C,3,22,33\n')
output.write('D,4,23,34\n')

output.seek(0)


df=pd.read_csv(output, header=None,
        names=["A","B","C","D"],
        dtype={"A":"category","B":"float32","C":"int32","D":"float64"},
        sep=","
       )

df.info()

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 5 entries, 0 to 4
Data columns (total 4 columns):
A    5 non-null category
B    5 non-null float32
C    5 non-null int32
D    5 non-null float64
dtypes: category(1), float32(1), float64(1), int32(1)
memory usage: 205.0 bytes
None

それほどpythonicではない......しかし仕事をします

それが役に立てば幸い。

JC

型指定されたnp.arraysを使用してから、データと列の名前を辞書として渡すほうがよいでしょう。

import numpy as np
import pandas as pd
# Feature: np arrays are 1: efficient, 2: can be pre-sized
x = np.array(['a', 'b'], dtype=object)
y = np.array([ 1 ,  2 ], dtype=np.int32)
df = pd.DataFrame({
   'x' : x,    # Feature: column name is near data array
   'y' : y,
   }
 )