就地更改熊猫系列/数据帧列的类型

Question

TL;DR：我想就地更改熊猫数据帧列的数据类型。

---

我有一个熊猫数据帧：

df = pd.DataFrame({'a': [1,2,3], 'b': [4,5,6.1]})

默认情况下，在我的系统上分配了"int64"和"float64"的列：

df.dtypes
Out[172]: 
a      int64
b    float64
dtype: object

由于我的数据帧将非常大，因此我想在创建数据帧后将列数据类型设置为 int32 和 float32。我知道我该怎么做：

df['a'] = df['a'].astype(np.int32)
df['b'] = df['b'].astype(np.float32)

或者，一步到位：

df = df.astype({'a':np.int32, 'b':np.float32})

我的数据帧的dtype确实是：

df.dtypes
Out[180]: 
a      int32
b    float32
dtype: object

然而：这似乎很笨拙，不得不重新分配系列，特别是因为许多熊猫方法都有一个inplace kwarg。但是，使用它似乎不起作用(从顶部的相同数据帧开始(：

df['a'].astype(np.int32, inplace=True)
df.dtypes
Out[187]: 
a      int64
b    float64
dtype: object

我在这里忽略了什么吗？这是设计使然吗？使用Series而不是DataFrame对象时，也会显示相同的行为。

非常感谢，

Answer 1

您可以编写自己的(仍然笨拙的(就地版本：

def astype_inplace(df: pd.DataFrame, dct: Dict):
    df[list(dct.keys())] = df.astype(dct)[list(dct.keys())]
def astype_per_column(df: pd.DataFrame, column: str, dtype):
    df[column] = df[column].astype(dtype)

并像使用它一样使用

astype_inplace(df, {'bool_col':'boolean'})

或

astype_per_column(df, 'bool_col', 'boolean')

Answer 2

那呢

>>> df.__dict__.update(df.astype({'a': np.int32, 'b': np.float32}).__dict__)
>>> df.dtypes
a      int32
b    float32
dtype: object

？

Answer 3

将列名及其数据类型作为字典作为参数在 .astype(( 中传递

col_types = {'col_1':'type_1', 'col_4':'type_4'}
df = df.astype( col_types)

它将仅更改通过字典传递的列的数据类型

Answer 4

> @ElRudi

正如我阅读的精细手册：copy=False可能适合您的需求？

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.astype.html?highlight=astype#pandas.DataFrame.astype