معرفی شرکت ها

a-pandas-ex-string-to-dtypes-0.1

Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
Card image cap
تبلیغات ما

مشتریان به طور فزاینده ای آنلاین هستند. تبلیغات می تواند به آنها کمک کند تا کسب و کار شما را پیدا کنند.

مشاهده بیشتر
0.1
0.1

توضیحات

Convert a Pandas DataFrame/Series with dtype str/string/object to the best available dtypes
ویژگی مقدار
سیستم عامل -
نام فایل a-pandas-ex-string-to-dtypes-0.1
نام a-pandas-ex-string-to-dtypes
نسخه کتابخانه 0.1
نگهدارنده []
ایمیل نگهدارنده []
نویسنده Johannes Fischer
ایمیل نویسنده <aulasparticularesdealemaosp@gmail.com>
آدرس صفحه اصلی https://github.com/hansalemaos/a_pandas_ex_string_to_dtypes
آدرس اینترنتی https://pypi.org/project/a-pandas-ex-string-to-dtypes/
مجوز MIT
## **What is it used for?** Convert a Pandas DataFrame/Series with dtype str/string/object to the best available dtypes ### Installation ```python pip install a-pandas-ex-string-to-dtypes ``` ### Usage ```python from a_pandas_ex_string_to_dtypes import pd_add_string_to_dtypes import pandas as pd pd_add_string_to_dtypes() df = pd.read_csv("https://github.com/pandas-dev/pandas/raw/main/doc/data/titanic.csv") print(df) print(df.dtypes) PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 NaN S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 NaN S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 NaN S .. ... ... ... ... ... ... ... 886 887 0 2 ... 13.0000 NaN S 887 888 1 1 ... 30.0000 B42 S 888 889 0 3 ... 23.4500 NaN S 889 890 1 1 ... 30.0000 C148 C 890 891 0 3 ... 7.7500 NaN Q [891 rows x 12 columns] PassengerId int64 Survived int64 Pclass int64 Name object Sex object Age float64 SibSp int64 Parch int64 Ticket object Fare float64 Cabin object Embarked object dtype: object dfstring = pd.concat( [df[x].astype("string") for x in df.columns], axis=1, ignore_index=True ) dfstring.columns=df.columns print(dfstring) print(dfstring.dtypes) PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.25 <NA> S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.925 <NA> S 3 4 1 1 ... 53.1 C123 S 4 5 0 3 ... 8.05 <NA> S .. ... ... ... ... ... ... ... 886 887 0 2 ... 13.0 <NA> S 887 888 1 1 ... 30.0 B42 S 888 889 0 3 ... 23.45 <NA> S 889 890 1 1 ... 30.0 C148 C 890 891 0 3 ... 7.75 <NA> Q [891 rows x 12 columns] PassengerId string Survived string Pclass string Name string Sex string Age string SibSp string Parch string Ticket string Fare string Cabin string Embarked string dtype: object converted = dfstring.ds_string_to_best_dtype() print(converted) print(converted.dtypes) PassengerId Survived Pclass ... Fare Cabin Embarked 0 1 0 3 ... 7.2500 <NA> S 1 2 1 1 ... 71.2833 C85 C 2 3 1 3 ... 7.9250 <NA> S 3 4 1 1 ... 53.1000 C123 S 4 5 0 3 ... 8.0500 <NA> S .. ... ... ... ... ... ... ... 886 887 0 2 ... 13.0000 <NA> S 887 888 1 1 ... 30.0000 B42 S 888 889 0 3 ... 23.4500 <NA> S 889 890 1 1 ... 30.0000 C148 C 890 891 0 3 ... 7.7500 <NA> Q [891 rows x 12 columns] PassengerId uint16 Survived uint8 Pclass uint8 Name string Sex category Age object SibSp uint8 Parch uint8 Ticket object Fare float64 Cabin category Embarked category dtype: object Parameters: df: Union[pd.DataFrame, pd.Series] Returns: Union[pd.DataFrame, pd.Series] ```


نیازمندی

مقدار نام
- a-pandas-ex-df-to-string
- a-pandas-ex-less-memory-more-speed
- pandas


نحوه نصب


نصب پکیج whl a-pandas-ex-string-to-dtypes-0.1:

    pip install a-pandas-ex-string-to-dtypes-0.1.whl


نصب پکیج tar.gz a-pandas-ex-string-to-dtypes-0.1:

    pip install a-pandas-ex-string-to-dtypes-0.1.tar.gz