python - 当有很多列时，将 Pandas df 数据类型定义为字典的最佳方法是什么？

Question

我经常使用 pd.read_csv() 加载 csv 文件，并且它们通常具有不同数据类型的列。

这很好，因为我可以将字典传递给 dtype 参数，其中所有列都映射了各自的数据类型。我发现的问题是，有时这些 csv 文件有很多列，并且生成的字典非常长。

很多时候，字典会是这样的:

df_dtype = {

             'A' : str,
             'B' : str,
             'C' : int
}

但是当 df 很长时，字典开始看起来像这样:

df_dtype = {

             'A' : str,
             'B' : str,
             'C' : int,
             'D' : str,
             'E' : str,
             'F' : int,
             'G' : str,
             'H' : str,
             'I' : int,
             'J' : str,
             'K' : str,
             'L' : int,
             'M' : str,
             'N' : str,
             'O' : int,
             'P' : str,
             'Q' : str,
             'R' : int,
             'S' : str,
             'T' : str,
             'U' : int,
             'V' : str,
             'W' : str,
             'X' : int,
             'Y' : str,
             'Z' : str
}

这很丑陋并且使代码可读性较差。

执行此操作的最佳实践是什么？我应该将字典作为目录中的单独文件吗？有没有更漂亮的格式化方法？

Answer 1

一个想法是更改字典键中指定类型和列表中列名称的格式:

d_types = {str: ['A', 'B', 'D'], 
           int: ['C','F'],
           float: ['G']}

#swap key values in dict
#http://stackoverflow.com/a/31674731/2901002
d = {k: oldk for oldk, oldv in d_types.items() for k in oldv}
print (d)
{'A': <class 'str'>, 'B': <class 'str'>, 'D': <class 'str'>,
 'C': <class 'int'>, 'F': <class 'int'>, 'G': <class 'float'>}