Você tem quatro opções principais para converter tipos em pandas:

1. to_numeric()- fornece funcionalidade para converter com segurança tipos não numéricos (por exemplo, strings) em um tipo numérico adequado. (Veja também to_datetime()e to_timedelta().)

2. astype()- converter (quase) qualquer tipo em (quase) qualquer outro tipo (mesmo que não seja necessariamente sensato fazer isso). Também permite a conversão para tipos categóricos (muito útil).

3. infer_objects() - um método utilitário para converter colunas de objetos contendo objetos Python em um tipo de pandas, se possível.

4. convert_dtypes()- converter colunas DataFrame para o "melhor possível" dtype que suporta pd.NA(objeto do pandas para indicar um valor ausente).

Continue lendo para obter explicações mais detalhadas e o uso de cada um desses métodos.

---

1 to_numeric()

A melhor maneira de converter uma ou mais colunas de um DataFrame em valores numéricos é usar pandas.to_numeric().

Esta função tentará transformar objetos não numéricos (como strings) em inteiros ou números de ponto flutuante, conforme apropriado.

Uso básico

A entrada para to_numeric()é uma série ou uma única coluna de um DataFrame.

>>> s = pd.Series(["8", 6, "7.5", 3, "0.9"]) # mixed string and numeric values
>>> s
0      8
1      6
2    7.5
3      3
4    0.9
dtype: object

>>> pd.to_numeric(s) # convert everything to float values
0    8.0
1    6.0
2    7.5
3    3.0
4    0.9
dtype: float64

Como você pode ver, uma nova Série é retornada. Lembre-se de atribuir esta saída a uma variável ou nome de coluna para continuar a usá-la:

# convert Series
my_series = pd.to_numeric(my_series)

# convert column "a" of a DataFrame
df["a"] = pd.to_numeric(df["a"])

Você também pode usá-lo para converter várias colunas de um DataFrame por meio do apply()método:

# convert all columns of DataFrame
df = df.apply(pd.to_numeric) # convert all columns of DataFrame

# convert just columns "a" and "b"
df[["a", "b"]] = df[["a", "b"]].apply(pd.to_numeric)

Contanto que todos os seus valores possam ser convertidos, isso provavelmente é tudo de que você precisa.

Manipulação de erros

Mas e se alguns valores não puderem ser convertidos em um tipo numérico?

to_numeric()também aceita um errorsargumento de palavra - chave que permite que você force valores não numéricos NaNou simplesmente ignore as colunas que contêm esses valores.

Aqui está um exemplo usando uma série de strings sque tem o objeto dtype:

>>> s = pd.Series(['1', '2', '4.7', 'pandas', '10'])
>>> s
0         1
1         2
2       4.7
3    pandas
4        10
dtype: object

O comportamento padrão é aumentar se não puder converter um valor. Nesse caso, ele não consegue lidar com a string 'pandas':

>>> pd.to_numeric(s) # or pd.to_numeric(s, errors='raise')
ValueError: Unable to parse string

Em vez de falhar, podemos querer que 'pandas' sejam considerados um valor numérico ausente / incorreto. Podemos forçar valores inválidos da NaNseguinte maneira, usando o errorsargumento de palavra - chave:

>>> pd.to_numeric(s, errors='coerce')
0     1.0
1     2.0
2     4.7
3     NaN
4    10.0
dtype: float64

A terceira opção para errorsé apenas ignorar a operação se um valor inválido for encontrado:

>>> pd.to_numeric(s, errors='ignore')
# the original Series is returned untouched

Esta última opção é particularmente útil quando você deseja converter seu DataFrame inteiro, mas não sabe qual das nossas colunas pode ser convertida de forma confiável para um tipo numérico. Nesse caso, basta escrever:

df.apply(pd.to_numeric, errors='ignore')

A função será aplicada a cada coluna do DataFrame. As colunas que podem ser convertidas para um tipo numérico serão convertidas, enquanto as colunas que não podem (por exemplo, elas contêm strings ou datas sem dígitos) serão deixadas sozinhas.

Downcasting

Por padrão, a conversão com to_numeric()dará a você um int64ou float64dtype (ou qualquer largura inteira que seja nativa para sua plataforma).

Normalmente é isso que você quer, mas e se você quisesse economizar memória e usar um tipo de d mais compacto, como float32ou int8?

to_numeric()dá a você a opção de fazer downcast para 'inteiro', 'assinado', 'não assinado' ou 'flutuante'. Aqui está um exemplo de uma série simples sde tipo inteiro:

>>> s = pd.Series([1, 2, -7])
>>> s
0    1
1    2
2   -7
dtype: int64

O downcasting para 'inteiro' usa o menor inteiro possível que pode conter os valores:

>>> pd.to_numeric(s, downcast='integer')
0    1
1    2
2   -7
dtype: int8

O downcasting para 'flutuar' da mesma forma escolhe um tipo flutuante menor do que o normal:

>>> pd.to_numeric(s, downcast='float')
0    1.0
1    2.0
2   -7.0
dtype: float32

---

2 astype()

O astype()método permite que você seja explícito sobre o dtype que deseja que seu DataFrame ou Series tenha. É muito versátil na medida em que pode experimentar e ir de um tipo para o outro.

Uso básico

Basta escolher um tipo: você pode usar um tipo de NumPy (por exemplo np.int16), alguns tipos de Python (por exemplo, bool) ou tipos específicos de pandas (como o tipo d categórico).

Chame o método no objeto que deseja converter e astype()tentará convertê-lo para você:

# convert all DataFrame columns to the int64 dtype
df = df.astype(int)

# convert column "a" to int64 dtype and "b" to complex type
df = df.astype({"a": int, "b": complex})

# convert Series to float16 type
s = s.astype(np.float16)

# convert Series to Python strings
s = s.astype(str)

# convert Series to categorical type - see docs for more details
s = s.astype('category')

Observe que eu disse "tentar" - se astype()não souber como converter um valor na Série ou DataFrame, ocorrerá um erro. Por exemplo, se você tiver um valor NaNou, infobterá um erro ao tentar convertê-lo em um inteiro.

A partir do pandas 0.20.0, esse erro pode ser suprimido passando errors='ignore'. Seu objeto original será devolvido intocado.

Seja cuidadoso

astype()é poderoso, mas às vezes converte valores "incorretamente". Por exemplo:

>>> s = pd.Series([1, 2, -7])
>>> s
0    1
1    2
2   -7
dtype: int64

São números inteiros pequenos, então que tal converter para um tipo de 8 bits sem sinal para economizar memória?

>>> s.astype(np.uint8)
0      1
1      2
2    249
dtype: uint8

A conversão funcionou, mas o -7 foi enrolado para se tornar 249 (ou seja, 2 ⁸ - 7)!

Tentar fazer o downcast usando em pd.to_numeric(s, downcast='unsigned')vez disso pode ajudar a prevenir esse erro.

---

3 - infer_objects()

A versão 0.21.0 do pandas introduziu o método infer_objects()para converter colunas de um DataFrame que tem um tipo de dados de objeto para um tipo mais específico (conversões suaves).

Por exemplo, aqui está um DataFrame com duas colunas de tipo de objeto. Um contém números inteiros reais e o outro contém strings que representam números inteiros:

>>> df = pd.DataFrame({'a': [7, 1, 5], 'b': ['3','2','1']}, dtype='object')
>>> df.dtypes
a    object
b    object
dtype: object

Usando infer_objects(), você pode alterar o tipo de coluna 'a' para int64:

>>> df = df.infer_objects()
>>> df.dtypes
a     int64
b    object
dtype: object

A coluna 'b' foi deixada sozinha, pois seus valores eram strings, não inteiros. Se você quiser tentar forçar a conversão de ambas as colunas em um tipo inteiro, poderá usar df.astype(int).

---

4 - convert_dtypes()

A versão 1.0 e superior incluem um método convert_dtypes()para converter colunas Series e DataFrame para o melhor dtype possível que suporta o pd.NAvalor ausente.

Aqui, "melhor possível" significa o tipo mais adequado para conter os valores. Por exemplo, este é um tipo inteiro pandas se todos os valores forem inteiros (ou valores ausentes): uma coluna de objeto de objetos inteiros Python é convertida para Int64, uma coluna de int32valores NumPy se tornará o tipo dpandas Int32.

Com nosso objectDataFrame df, obtemos o seguinte resultado:

>>> df.convert_dtypes().dtypes                                             
a     Int64
b    string
dtype: object

Como a coluna 'a' continha valores inteiros, ela foi convertida para o Int64tipo (que é capaz de conter valores ausentes, ao contrário int64).

A coluna 'b' continha objetos string, então foi alterada para stringdtype dos pandas .

Por padrão, este método inferirá o tipo dos valores do objeto em cada coluna. Podemos mudar isso passando infer_objects=False:

>>> df.convert_dtypes(infer_objects=False).dtypes                          
a    object
b    string
dtype: object

Agora a coluna 'a' permaneceu como uma coluna de objeto: o pandas sabe que ela pode ser descrita como uma coluna 'inteira' (ela foi executada internamente infer_dtype), mas não inferiu exatamente que tipo de inteiro deveria ter, então não a converteu. A coluna 'b' foi novamente convertida para o tipo d 'string', pois foi reconhecida como contendo valores de 'string'.