我正在学习健康科学课程,推荐使用 R 或 Stata。我正在尝试使用 Python / Numpy / Pandas 来代替,因为我希望将来使用它来进行金融时间序列分析。
数据是 Stata 格式,所以我复制了字段并将它们保存为CSV
。
所有字段导入都很好,除了有许多“是/否”列,其中一些列有空白字段。
导入命令是
fhs = pd.io.parsers.read_csv('F:\\BioStatistics\\fds\\fhs_c2.csv', header=0, index_col=0)
如果有空白字段,则数据类型是对象(有意义)
如果没有空格,某些列将转换为TRUE/FALSE
,其他人离开为Yes/No
但 dtype 是 bool。知道为什么吗?
我希望所有内容都通过一种数据类型并表达一种查看+统计分析的方式。
我通过在开头添加一行,为没有空格的布尔列添加空白单元格来实现这一点 - 所以一切都变成了对象。然后我用fhs = fhs.drop([1002])
删除该行并且数据类型仍然很好。
我很想在没有这一行的情况下保存它,并且每次都能够使用“正确”类型加载数据,但不知道当某些列全部是或否,而有些列是空白时是否可能细胞。是否可以?
谢谢,抱歉新手问题。
Example:
输入
C1 C2 C3
R1 Yes Yes No
R2 No No No
R3 Yes Yes
R4 Yes Yes Yes
第一列进入 df 为 Yes, No, Yes, Yes 在下面输入 bool xxxx
第二列作为 Yes、No、NaN、Yes 类型对象进入 df
第三列作为 FALSE、FALSE、TRUE、TRUE 类型 bool 进入 df
该死。刚刚检查过。我错了。如果是或否,则列类型为对象。
我想在导入时告诉它,使它们全部对象并坚持是和否,因为:
1.我认为第二列必须是对象(否则我认为它是混合的)
2. 数据集是/否,其他班级成员将查看是和否
当我尝试解决方案时发生了什么。
这是我的数据:link https://i.stack.imgur.com/jIicg.gif
这是代码:
从 pandas 导入 *
将 numpy 导入为 np
将 pandas 导入为 pd
def convert_bool(col):
if str(col).title() == "True": #check for nan
return "Yes"
elif str(col).title() == "False":
return "No"
else:
return col
fhs = pd.read_csv('F:\\BioStatistics\\fds\\StatExport.csv', converters={"death": lambda x:convert_bool(x)}, header=0, index_col=0)
和输出link https://i.stack.imgur.com/moZQA.gif