Pandas数据预处理：更改明确指定数据的类型

在Python中，当我们在处理数据时，可能会遇到数据类型不一致的问题。例如，通过爬虫采集到的数据都是整型的数据，在使用数据时希望保留两位小数点，这时就需要将数据的类型转换成浮点型。针对这种问题，既可以在创建Pandas对象时明确指定数据的类型，也可以使用astype()方法和to_numberic()函数进行转换，下面先来介绍明确指定数据的类型。

创建Pandas数据对象时，如果没有明确地指出数据的类型，则可以根据传入的数据推断出来，并且通过dtypes属性进行查看。例如，创建一个Series对象，并查看其数据的类型，具体代码如下。

In [19]: import pandas as pd
         df=pd.DataFrame({'A':['5', '6', '7'], 'B':['3', '2', '1']})
         df.dtypes # 查看数据的类型
Out[19]:
         A     object
         B     object
         dtype:object

除此之外，还可以在创建Pandas对象时明确地指出数据的类型，即在使用构造方法创建对象时，使用dtype参数指定数据的类型，示例代码如下。

In [20]: import pandas as pd
         # 创建DataFrame对象，数据的类型为int
         df=pd.DataFrame({'A': ['5', '6', '7'], 'B': ['3', '2', '1']},
                           dtype='int')
         df.dtypes

Out[20]:
         A     int32
         B     int32
         dtype:  object