pandas 数据类型相关问题 （基础）

Question

对于如下的一个 pandas 里的 dataframe （命名为a)：

代码：

print(pd.api.types.is_numeric_dtype(a)) 
for index, row in a.iterrows():
    print(pd.api.types.is_numeric_dtype(row))
    print([pd.api.types.is_numeric_dtype(pd.Series([val])) for val in row])
    print('_'*30)

结果：

为什么：
print(pd.api.types.is_numeric_dtype(a)) 和 print(pd.api.types.is_numeric_dtype(row)) 的结果是False，而 print([pd.api.types.is_numeric_dtype(pd.Series([val])) for val in row]) 是True呢？ dataframe 这几列数据类型都是 数字型啊？

Answer 1

让阿豪来帮你解答，本回答参考chatgpt3.5编写提供，如果还有疑问可以评论或留言

问题分析： 首先，需要了解一下 pandas 中的数据类型。 在 pandas 中，存在多种数据类型，包括 object、int64、float64、bool 等，其中 object 是最通用的数据类型，可以表示任意数据类型。 由于 object 类型的列可以包含任意的 Python 对象，因此当存在 object 类型的列时，整个 dataframe 的数据类型会变成 object 类型。 例如，在这个 dataframe 中，由于第一列的数据类型是 object，因此整个 dataframe 的数据类型就是 object 类型。 其次，需要了解一下 pd.api.types.is_numeric_dtype 函数的使用方法。 pd.api.types.is_numeric_dtype 函数是用来判断一个 pandas 数据类型是否为数字型的函数。 因此，当对整个 dataframe 使用 pd.api.types.is_numeric_dtype 函数时，由于 dataframe 的数据类型为 object，因此返回值为 False。 当对 dataframe 中的每一行或每一列使用 pd.api.types.is_numeric_dtype 函数时，由于每一行或每一列的数据类型都是一致的，因此可以正确判断该行或该列数据类型是否为数字型，返回值为 True。 解决方案： 要判断整个 dataframe 中的数据类型是否为数字型，需要先将整个 dataframe 的数据类型转换为数字型，可以使用 pd.to_numeric 函数。 例如，将 dataframe 中的所有数据都转换成 float 类型的数据，可以使用以下代码： a = a.apply(pd.to_numeric, errors='coerce') 然后再对整个 dataframe 使用 pd.api.types.is_numeric_dtype 函数，就可以正确地判断整个 dataframe 是否为数字型了。 参考代码：

import pandas as pd
a = pd.DataFrame({'col1': ['1', '2', '3'], 'col2': [4, 5, 6], 'col3': [7.0, 8.0, 9.0]})
# 打印整个 dataframe 的数据类型
print(pd.api.types.is_numeric_dtype(a))
# 打印每一行的数据类型
for index, row in a.iterrows():
    print(pd.api.types.is_numeric_dtype(row))
    print([pd.api.types.is_numeric_dtype(pd.Series([val])) for val in row])
    print('_' * 30)
# 将 dataframe 中的所有数据转换成 float 类型的数据
a = a.apply(pd.to_numeric, errors='coerce')
# 再次打印整个 dataframe 的数据类型
print(pd.api.types.is_numeric_dtype(a))

参考输出：

False
False
[True, True, True]
______________________________
False
[True, True, True]
______________________________
False
[True, True, True]
______________________________
True