python - 使用 pandas 读取 csv 时设置列类型

Question

尝试将 csv 文件读入具有以下格式的 pandas 数据框

dp = pd.read_csv('products.csv', header = 0,  dtype = {'name': str,'review': str,
                                                      'rating': int,'word_count': dict}, engine = 'c')
print dp.shape
for col in dp.columns:
    print 'column', col,':', type(col[0])
print type(dp['rating'][0])
dp.head(3)

这是输出:

(183531, 4)
column name : <type 'str'>
column review : <type 'str'>
column rating : <type 'str'>
column word_count : <type 'str'>
<type 'numpy.int64'>

我可以理解 pandas 可能发现很难将字典的字符串表示形式转换为给定 this 的字典和 this .但是“rating”一栏的内容怎么可能既是str又是numpy.int64？？？

顺便说一下，不指定引擎或 header 等调整不会改变任何内容。

感谢和问候

Answer 1

在你的循环中你正在做:

for col in dp.columns:
    print 'column', col,':', type(col[0])

并且您正确地将 str 视为无处不在的输出，因为 col[0] 是列名称的第一个字母，它是一个字符串。

例如，如果你运行这个循环:

for col in dp.columns:
    print 'column', col,':', col[0]

您将看到打印出每个列名称的字符串的第一个字母 - 这就是 col[0] 的含义。

您的循环仅迭代列名，而不迭代系列数据。

您真正想要的是在循环中检查每列数据的类型(不是其标题或标题的一部分)。

所以这样做是为了获取列数据(非标题数据)的类型:

for col in dp.columns:
    print 'column', col,':', type(dp[col][0])

这类似于您在单独打印 rating 列的类型时所做的。