python - 为 pandas.read_csv 指定正确的 dtypes 以获取日期时间和 bool 值

Question

我正在将 csv 文件加载到 Pandas DataFrame 中。对于每一列，如何使用 dtype 参数指定它包含的数据类型？

• 我可以使用 numeric 数据(代码在底部)...
• 但是如何指定时间数据...
• 和分类数据，例如因子或 bool 值？我试过 np.bool_ 和 pd.tslib.Timestamp 没有运气。

代码:

import pandas as pd
import numpy as np
df = pd.read_csv(<file-name>, dtype={'A': np.int64, 'B': np.float64})

Answer 1

read_csv 有很多选项可以处理您提到的所有情况。您可能想尝试 dtype={'A': datetime.datetime}，但通常您不需要 dtypes，因为 pandas 可以推断类型。

对于日期，则需要指定 parse_date 选项:

parse_dates : boolean, list of ints or names, list of lists, or dict
keep_date_col : boolean, default False
date_parser : function

一般来说，要转换 bool 值，您需要指定:

true_values  : list  Values to consider as True
false_values : list  Values to consider as False

这会将列表中的任何值转换为 bool 值 true/false。对于更一般的转换，您很可能需要

转换器:字典。用于转换某些列中的值的可选函数字典。键可以是整数或列标签

虽然很密集，但请在此处查看完整列表:http://pandas.pydata.org/pandas-docs/stable/generated/pandas.io.parsers.read_csv.html