pandas 读取 csv 形成 dataframe，结果类型都是 object，怎么才能复原到原始的所需要数据类型呢？

df ＝ pd.read_csv('text.csv', dtype={'code':str，‘ Sector ’：str，‘ price ’：decimal ？？} 其中有一列数据为金额，所以想用 decimal，但是总是出错，请教大神们，这个怎么处理？还有一个 Sector 列中想保存不包含某个字符串的行（对应 excel 中的筛选动作），这个又有什么简单明了的方法呢？谢谢。

sector

csv

DECIMAL

str

4 条回复 • 2017-11-20 15:19:14 +08:00

chy373180

2017-11-20 10:28:05 +08:00

看下 dtype 的类型，你设的这几种都没有
object -- 代表了字符串类型
int -- 代表了整型
float -- 代表了浮点数类型
datetime -- 代表了时间类型
bool -- 代表了布尔类型

筛选
df = df[df['Sector'] != str_a]

自己多谷歌吧

ipwx

2017-11-20 10:33:13 +08:00

多看文档。

pandas 的 dtype 对应 NumPy 的 dtype。NumPy 的 dtype 有两大类，NumPy 的 C 扩展库提供的 value type，还有 Python 自身的对象类型。对于 value type，NumPy 有 C 扩展库保证运算速度。

所以除了 1L 列出来的那些类型，其他都会变成 object。

jahan

2017-11-20 14:15:16 +08:00

@chy373180 非常感谢。df = df[df['Sector'] != str_a]是保留所有不是 str_a 的吧,所有不包含 str_a 的是不是应该 df[str_a not in df[‘ Sector ’]] ?
@ipwx 文档的话,是 pandas 的文档吗?马上开始,
python 太好用了简直。

hjq98765

2017-11-20 15:19:14 +08:00

可以把文件先读进来再试着转小数，看看这一列的 dtype 是不是 float
df['price'] = pd.to_numeric(df['price'], errors='ignore')

要是那一列的 dtype 还是 object，那就 df['price'].value_counts()一下看看到底是什么值不是数字

----------------------------------------

也有一种可能，是 csv 文件里的数据都加了双引号，导致直接读成 float 报错