序列類型轉換

3.1 自動轉換

在pandas 1.0 中，引入了一種新的轉換方法.convert_dtypes。它會嘗試將Series 換為支持 pd.NA 類型。以city_mpg 系列為例，它將把類型從int64轉換為Int64：

>>> city_mpg.convert_dtypes()
0        19
1         9
2        23
3        10
4        17
         ..
41139    19
41140    20
41141    18
41142    18
41143    16
Name: city08, Length: 41144, dtype: Int64
>>> city_mpg.astype('Int16')
0        19
1         9
2        23
3        10
4        17
         ..
41139    19
41140    20
41141    18
41142    18
41143    16
Name: city08, Length: 41144, dtype: Int16
>>> city_mpg.astype('Int8')
Traceback (most recent call last):
...

要指定系列數據的類型，可以嘗試使用.astype 方法。我們的城市裡程可以保存為16位整數，但8位整數就不行了，因為該符號類型的最大值是127，而我們有一些汽車的值是150。使用更窄的類型，就能減少記憶體使用，從而有更多記憶體處理更多數據。可以使用NumPy來檢查整數和浮點類型的限制：

>>> np.iinfo('int64')
iinfo(min=-9223372036854775808, max=9223372036854775807, dtype=int64)
>>> np.iinfo('uint8')
iinfo(min=0, max=255, dtype=uint8)
>>> np.finfo('float16')
finfo(resolution=0.001, min=-6.55040e+04, max=6.55040e+04, dtype=float16)
>>> np.finfo('float64')
finfo(resolution=1e-15, min=-1.7976931348623157e+308, max=1.7976931348623157e+308, dtype=float64)

參考資料

• 軟體測試精品書籍文檔下載持續更新 https://github.com/china-testing/python-testing-examples 請點贊，謝謝！
• 本文涉及的python測試開發庫 謝謝點贊！ https://github.com/china-testing/python_cn_resouce
• python精品書籍下載 https://github.com/china-testing/python_cn_resouce/blob/main/python_good_books.md
• Linux精品書籍下載 https://www.cnblogs.com/testing-/p/17438558.html

3.2 記憶體使用

要計算系列的記憶體使用情況，可以使用.nbytes屬性或.memory_usage方法。後者在處理object類型時非常有用，因為可以通過deep=True來計算系列中 Python 對象的記憶體使用量。

>>> city_mpg.nbytes
329152
>>> city_mpg.astype('Int16').nbytes
123432

autos的make列包含字元串，並作為對象存儲。要獲得包含字元串的記憶體量需要使用.memory_usage 方法：

>>> make = df.make
>>> make.memory_usage()
KeyboardInterrupt
>>> make.nbytes
329152
>>> make.memory_usage()
329280
>>> make.memory_usage(deep=True)
2606395

.nbytes只是數據正在使用的記憶體，不含序列的輔助部分。.memory_usage包括索引記憶體，還可能包括object類型的等。

3.3 字元串和分類

如果向 .astype 方法傳遞str，它還可以將數字序列轉換為字元串

>>> city_mpg.astype(str)
0        19
1         9
2        23
3        10
4        17
         ..
41139    19
41140    20
41141    18
41142    18
41143    16
Name: city08, Length: 41144, dtype: object
>>> city_mpg.astype(str)
0        19
1         9
2        23
3        10
4        17
         ..
41139    19
41140    20
41141    18
41142    18
41143    16
Name: city08, Length: 41144, dtype: object

分類序列對字元串數據非常有用，可以節省大量記憶體。這是因為當你有字元串數據時pandas會存儲Python字元串。
當你將其轉換為分類數據時，pandas不再為每個值使用Python字元串，而是對其進行優化，因此重覆值不會重覆。您仍然可以使用.str 屬性的所有功能，但可能會節省大量記憶體（如果您有很多重覆值）並提高性能，因為您不需要執行那麼多字元串操作。

3.4 有序分類

要創建有序分類，需要定義自己的 CategoricalDtype：

>>> values = pd.Series(sorted(set(city_mpg)))
>>> city_type = pd.CategoricalDtype(categories=values,
...     ordered=True)
>>> city_mpg.astype(city_type)
0        19
1         9
2        23
3        10
4        17
         ..
41139    19
41140    20
41141    18
41142    18
41143    16
Name: city08, Length: 41144, dtype: category
Categories (105, int64): [6 < 7 < 8 < 9 ... 137 < 138 < 140 < 150]

下表列出了可以傳入 .astype 的類型。

3.5 其他類型

.to_numpy方法（或.values屬性）返回NumPy數組，而.to_list返回Python列表。一般不要使用這些方法。如果直接使用 NumPy，有時會提高速度，但也有缺點。使用Python列表會大大降低代碼速度。

如果你只想要單列的數據幀，你可以使用.to_frame 方法：

>>> city_mpg.to_frame()
       city08
0          19
1           9
2          23
3          10
4          17
...       ...
41139      19
41140      20
41141      18
41142      18
41143      16

[41144 rows x 1 columns]

此外，還有許多將數據導出為其他格式的轉換方法，包括 CSV、Excel、HDF5、SQL、JSON 等。這些方法也存在於數據幀中，在序列中應用不多。

要轉換為日期時間，請使用pandas中的 to_datetime 函數。如果要添加時區信息，則需要更多步驟。有關日期的章節將對此進行討論。