Welcome to pandas!

1.5 Numpy数据类型转换

利用array创建数组时，可设置数据类型，也可以用astype()函数对已存在数组转换数据类型

1.5.1常见数据设置表

1.5.2 字符串默认格式

只要一个为字符串，则其余元素均默认为字符串

import numpy as np

arr=np.array([ 1,"12",99,3544 ])

print (arr)

返回：

['1' '12' '99' '3544']

1.5.3 数据设置返回类型为整数

设置为整数

import numpy as np

arr=np.array([ 1,"12",99,3544 ], dtype = "i" )

print (arr)

返回：

[ 1 12 99 3544]

1.5.4 字符串数据截取位数

import numpy as np

arr=np.array([ 1,"12",99,3544 ], dtype = "U2" )

print (arr)

返回：

['1' '12' '99' '35']

1.5.5 数据设置成年格式

import numpy as np

arr=np.array([ 1,"12",2018,3544 ])

arr1=arr.astype( "datetime64[Y]" )

print (arr1)

返回：

['0001' '0012' '2018' '3544']

1.5.6 数据设置成日期格式

import numpy as np

arr=np.array([ 1,"12",2018,3544 ])

arr1=arr.astype( "datetime64[D]" )

print (arr1)

返回：

['0001-01-01' '0012-01-01' '2018-01-01' '3544-01-01']

1.5.7 数字格式指定起始日期转成日期格式

数据转换的日期是1970-1-1开始的，pd.to datetime()，可以让用户自定义起始日期，

import numpy as np

arr=pd.to_datetime([ 0,12,1225,34 ], unit = "D" , origin= '2000-1-1' )

print (arr)

返回：

DatetimeIndex(['2000-01-01', '2000-01-13', '2003-05-10', '2000-02-04'], dtype='datetime64[ns]', freq=None)

1.5.8 数字格式转成日期格式（返回操作列数据形式）

以下实例为源数据是数据格式变成日期格式，如源数据为日期，则不用再指定起止日

import pandas as pd

path=r 'D:\pythonCharm\PyObject\Object\测试\简单测试.xlsx'

df=pd.read_excel (path)

t=pd.to_datetime(df[ "入职日期" ], unit= "D" , origin= '1899-12-30' )     #日期为1900-1-1往前推两位才能对齐

print (t)

返回：

Name: 入职日期, dtype: datetime64[ns]

以上返回的的结果不是数组，如要变成数组，则需要另外写入。

1.5.9数字格式转成日期格式（返回为整个数据形式）

以下实例为将源数据的数字日期转换成日期格式

import pandas as pd

path=r "D:\Pyobject2023\object\测试\素材\1.1.4 Numpy数组转换.xlsx"

df=pd.read_excel (path)

df[ "入职日期" ]=pd.to_datetime(df[ "入职日期" ], unit= "D" , origin= '1899-12-30' )

print (df)

返回：