在處理資料時，可能會遇到資料型別不一致的問題。例如，通過爬蟲採集到的資料都是整型的資料，在使用資料時希望保留兩位小數點，這時就需要將資料的型別轉換成浮點型。針對這種問題，既可以建立pandas物件時明確指定資料的型別，也可以使用astype()方法和to_numeric()函式進行轉換，具體如下。
一、通過astype()方法強制轉換資料的型別
astype(dtype，copy=true，errors=『raises』，kwargs)**
上述方法中的部分引數表示的含義如下：
1. dtype：表示資料的型別。
2. copy：是否建立副本，預設為true。
3. errors：錯誤採取的處理方式，可以取值為raise或ignore，預設為raise。其中raise表示允許引發異常，ingore表示抑制異常。
接下來通過**演示：
import pandas as pd #建立dataframe物件
jk=pd.dataframe()
jkjk.dtypes
jk['b'].astype(dtype='int') #轉換為int
#errors='ignore』的用法
jk['c'].astype(dtype='int',errors='ignore')
二、通過to_numeric()函式轉換資料型別astype()方法雖然可以轉換資料的型別，但是它存在著一些侷限性，只要待轉換的資料中存在數字以外的字元，在使用astype()方法進行型別轉換時就會出現錯誤，而to_numeric()函式可以解決這個問題。
to_numeric()函式可以將傳入的引數轉換為數值型別，語法如下：
pandas.to_numeric(arg，errors=『raise』，downcast=none)
上述函式中常用引數表示的含義如下：
arg：表示要轉換的資料，可以是list，tuple，series。
errors：錯誤採取的處理方式，引數有：「raise」，「coerce」，「ignore」.
（1）raise：無效的解析將引發異常
（2）coerce：無效的解析設定為nan //這個在astype裡面沒有
（3）ignore：無效的解析將返回輸入
接下來通過**演示：
import pandas as pd #to_numeric轉換的資料是list,tuple,series,不能直接對dataframe轉換
如果不使用該方法會出錯
在Pandas中更改列的資料型別
先看乙個非常簡單的例子 a a 1.2 4.2 b 70 0.03 x 5 0 df pd.dataframe a 有什麼方法可以將列轉換為適當的型別？例如，上面的例子，如何將列2和3轉為浮點數？有沒有辦法將資料轉換為dataframe格式時指定型別？或者是建立dataframe，然後通過某種方法更...
pandas之DataFrame更改資料的列位置
df 是dataframe物件 獲取df物件標題列表 cols list df 調位置 cols.insert 1 cols.pop cols.index 重組df物件排列順序 df df.ix cols ix ix是dataframe索引工具，既可以搜尋單個數值也可以搜尋乙個範圍內的數值，既可以通...
在Pandas中更改列的資料型別 方法總結
先看乙個非常簡單的例子 a a 1.2 4.2 b 70 0.03 x 5 0 df pd.dataframe a 有什麼方法可以將列轉換為適當的型別？例如，上面的例子，如何將列2和3轉為浮點數？有沒有辦法將資料轉換為dataframe格式時指定型別？或者是建立dataframe，然後通過某種方法更...