在数据处理过程中
比如从CSV文件中导入数据
|
1
|
data_df = pd.read_csv("names.csv") |
在处理之前一定要查看数据的类型
|
1
|
data_df.info() |
|
1
2
3
4
5
6
7
8
9
10
11
12
13
|
*RangeIndex: 891 entries, 0 to 890 Data columns (total 12 columns): Name 891 non-null object Sex 891 non-null object Age 714 non-null float64 SibSp 891 non-null int64 Parch 891 non-null int64 Ticket 891 non-null object Fare 891 non-null float64 Cabin 204 non-null object Embarked 889 non-null object dtypes: float64(2), int64(5), object(5) memory usage: 83.6+ KB* |
以上object , int64, 以及 float64 便是数据的类型。
如果我们需要对列数据进行相互之间的运算的吧，必须注意的一点是：
两列的数据类型是否是相同的!!
如果一个object类型与int64的类型相加，便会发生错误
错误提示可能如下：
|
1
|
TypeError: ufunc 'add' not contain a loop with signature matching types dtype('<U32') dtype('<U32') dtype('<U32') |
此时的object类型可能是‘12.3'这样str格式的数字，如果要运算必须进行格式转换：
可采用如下方法(convert_objects)：
|
1
|
dt_df = dt_df.convert_objects(convert_numeric=True) |
亲测有效。
再提醒一遍！得到数据一定要先查看数据类型！！！
以上这篇pandas object格式转float64格式的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持服务器之家。
原文链接：https://blog.csdn.net/m0_37477175/article/details/77887274
