DataFrame.astype(dtype, copy=True, errors='raise', **kwargs)
将pandas对象转换为指定的dtype dtype。
参数： | dtype ： 数据类型或列名称 - >数据类型 使用 将整个pandas对象强制转换为相同的类型。 或者，使用{col：dtype，...}，其中col是列标签，
用于将一个或多个 copy ： 返回副本时 ，然后可能会传播到其他pandas对象）。 errors ： 控制提供 raise ：允许引发异常 ignore：抑制异常。出错时返回原始对象 版本0.20.0中的新功能。 kwargs ： 传递给构造函数的关键字参数 |
返回： | casted ： 与调用者类型相同 |
例子，
1）转换整个 DataFrame 的数据类型
import pandas as pd
# 创建一个示例 DataFrame
df = pd.DataFrame({
'A': [1, 2, 3],
'B': [4.0, 5.1, 6.2],
'C': ['7', '8', '9']
})
print("原始 DataFrame：")
print(df)
print(df.dtypes)
# 将所有列转换为字符串类型
df_str = df.astype(str)
print("\n转换为字符串类型后的 DataFrame：")
print(df_str)
print(df_str.dtypes)
2）转换特定列的数据类型
# 将列 'C' 转换为整数类型
df['C'] = df['C'].astype(int)
print("\n将列 'C' 转换为整数类型后的 DataFrame：")
print(df)
print(df.dtypes)
3）使用字典同时转换多个列的数据类型
# 使用字典同时转换多列的数据类型
df = df.astype({'A': 'float64', 'B': 'int64'})
print("\n同时转换多列类型后的 DataFrame：")
print(df)
print(df.dtypes)
4）处理转换错误
# 示例 DataFrame，其中包含无法转换为数字的值
df_with_errors = pd.DataFrame({
'A': ['1', '2', 'three'],
'B': ['4.0', '5.1', '6.2']
})
print("\n包含错误的 DataFrame：")
print(df_with_errors)
# 尝试将列 'A' 转换为整数类型，忽略错误
df_with_errors['A'] = df_with_errors['A'].astype(int, errors='ignore')
print("\n忽略错误后的 DataFrame：")
print(df_with_errors)
print(df_with_errors.dtypes)5）使用示例
import pandas as pd
# 创建一个示例 Series，dtype 为 int32
ser = pd.Series([1, 2], dtype='int32')
print("原始 Series：")
print(ser)
# 转换为 int64 类型
ser_int64 = ser.astype('int64')
print("\n转换为 int64 类型后的 Series：")
print(ser_int64)
# 转换为分类类型
ser_category = ser.astype('category')
print("\n转换为分类类型后的 Series：")
print(ser_category)
# 转换为自定义排序的有序分类类型
cat_dtype = pd.api.types.CategoricalDtype(categories=[2, 1], ordered=True)
ser_ordered_category = ser.astype(cat_dtype)
print("\n转换为自定义排序的有序分类类型后的 Series：")
print(ser_ordered_category)
# 注意 copy=False 的行为
s1 = pd.Series([1, 2])
s2 = s1.astype('int64', copy=False)
s2[0] = 10
print("\ns1 在 s2 更改后的值：")
print(s1) # 注意 s1[0] 也发生了变化