Pandas -Überprüfungsspaltenentyp

Pandas -Überprüfungsspaltenentyp
In diesem Fall werden wir untersuchen.

Probe

Beginnen wir mit dem Erstellen eines Beispieldatenrahmens:

# Pandas importieren
Pandas als PD importieren
df = pd.DataFrame (
'Gehalt': [120000, 100000, 90000, 110000, 120000, 100000, 56000],
"Abteilung": ["Spieleentwickler", "Datenbankentwickler", "Front-End-Entwickler", "Full-Stack-Entwickler", "Datenbankentwickler", "Sicherheitsforscher", "Cloud-Engineer"],
'Bewertung': [4.3, 4.4, 4.3, 3.3, 4.3, 5.0, 4.4],
Index = ['Alice', 'Michael', 'Joshua', 'Patricia', 'Peter', 'Jeff', 'Ruth'])
Druck (df)

Das obige sollte einen Datenrahmen mit Beispieldaten erstellen, wie gezeigt:

Pandas DTYPE -Attribut

Der einfachste Weg, um den Datentyp der Spalte in Pandas zu erhalten.

Die Syntax ist wie gezeigt:

Datenrahmen.Dtypes

Das Attribut gibt jede Spalte und den entsprechenden Datentyp zurück.

Ein Beispiel ist wie gezeigt:

df.Dtypes

Das obige sollte die Spalten und ihre Datentypen wie gezeigt zurückgeben:

Gehalt int64
Abteilungsobjekt
Bewertung float64

Wenn Sie den Datentyp einer bestimmten Spalte abrufen möchten, können Sie den Spaltennamen als Index wie gezeigt übergeben:

df.DTYPES ['Gehalt']

Dies sollte den Datentyp der Gehaltsspalte wie gezeigt zurückgeben:

DTYPE ('int64')

Pandas Spalteninfo

Pandas bietet uns auch die Info () -Methode. Es ermöglicht uns, detaillierte Informationen zu den Spalten innerhalb eines Pandas -Datenfreame zu erhalten.

Die Syntax ist wie gezeigt:

Datenrahmen.info (verbose = none, buf = none, max_cols = none, memory_usage = none, show_counts = none, null_counts = keine)

Sie können den Namen der Spalten, Datentyp, Anzahl der Nicht-Null-Elemente usw. abrufen.

Ein Beispiel ist wie gezeigt:

df.die Info()

Dies sollte zurückkehren:

Das obige zeigt detaillierte Informationen zu den Spalten im DataFrame, einschließlich des Datentyps.

Abschluss

Dieses Tutorial umfasst zwei Methoden, mit denen Sie den Datentyp einer Spalte in einem Pandas -Datenfreame abrufen können.

Danke fürs Lesen!!