Python pandas.DataFrame.convert_objects和compound函数方法的使用

Pandas是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。Pandas 纳入了大量库和一些标准的数据模型，提供了高效地操作大型数据集所需的工具。Pandas提供了大量能使我们快速便捷地处理数据的函数和方法。你很快就会发现，它是使Python成为强大而高效的数据分析环境的重要因素之一。本文主要介绍一下Pandas中pandas.DataFrame.convert_objects和compound方法的使用。

DataFrame.convert_objects( convert_dates = True，convert_numeric = False，convert_timedeltas = True，copy = True )

尝试推断对象列的更好dtype。

从版本0.21.0开始不推荐使用。

参数：

convert_dates ：boolean，默认为True

如果为True，请尽可能转换为日期。如果'coerce'，强制转换，不可转换的值变为NaT。

convert_numeric ： boolean，默认为False

如果为True，则尝试强制转换为数字（包括字符串），不可转换的值变为NaN。

convert_timedeltas ： boolean，默认为True

如果为True，请尽可能转换为timedelta。如果'coerce'，强制转换，不可转换的值变为NaT。

copy ： boolean，默认为True

如果为True，即使不需要复制也不返回副本（例如，没有进行转换）。注意：这是供内部使用的，不应与现场混淆。

converted：与输入对象相同

例子，

>>> df = pd.DataFrame({'int_str':['1', '2'], 'real_str':['a', 'b']})
>>> df.convert_objects(convert_numeric=True)
   int_str real_str
0        1        a
1        2        b

DataFrame.compound( axis = None，skipna = None，level = None)

返回请求轴的值的复合百分比。

参数：

axis ： {index（0），columns（1）}

要应用的功能的轴。

skipna ： bool，默认为True

计算结果时排除NA / null值。

level ： int或level name，默认为None

如果轴是MultiIndex（分层），则沿特定级别计数，折叠为系列。

numeric_only ： bool，默认None

仅包含float，int，boolean列。如果为None，将尝试使用所有内容，然后仅使用数字数据。未针对系列实施。

** kwargs

要传递给函数的其他关键字参数。

compounded： Series或DataFrame（如果指定了级别）

例子，

>>> import pandas as pd
>>> df = pd.DataFrame({'A': [5, 2], 'B': [4, 8]})
>>> print(df.compound())
A    17
B    44
dtype: int64