DataType

Để kiểm tra kiểu dữ liệu của Series hay DataFrame bạn có thể gọi thuộc tính dtypes hoặc phương thức .info(). Các kiểu dữ liệu thường gặp của Pandas được mô tả theo bảng dưới đây:

Các kiểu dữ liệu phổ biến	Numpy/Pandas	Hiển thị
Boolean	np.bool	bool
Integer	np.int, np.uint	int uint
Float	np.float	float
Object	np.object	O, object
Datetime	np.datetime64, pd.Timestamp	datetime64
Timedelta	np.timedelta64, pd.Timedelta	timedelta64
Category	pd.Categorical	category
Complex	np.complex	complex

Ví dụ:

df = pd.DataFrame({
                   'int': [1, 0, 1, 0], 
                   'float': [1.0, 2.0, 3.0, 4.0], 
                   'object': ['1', '2', '3', '4'],
                   'str_int': ['1', 2, '3', 4],
                   'bool': [True, False, True, False],
                   'date_str': ['2021-06-01', '2021-06-02', '2021-06-03', '2021-06-04']})
df

   int  float object str_int   bool    date_str
0    1    1.0      1       1   True  2021-06-01
1    0    2.0      2       2  False  2021-06-02
2    1    3.0      3       3   True  2021-06-03
3    0    4.0      4       4  False  2021-06-04

print(df.dtypes)

int           int64
float       float64
object       object
str_int      object
bool           bool
date_str     object
dtype: object

Lưu ý

• Nếu không khai báo kiểu dữ liệu khi khởi tạo, pandas sẽ mặc định kiểu dữ liệu là int64, float64, object và bool. Pandas sẽ không biết kiểu dữ liệu có định dạng thời gian nếu không khai báo.

• Khi khởi tạo pandas, chúng ta chỉ có thể khai báo duy nhất 1 kiểu dữ liệu cho tất cả các cột. Ví dụ như tất cả dữ liệu của bạn là int hoặc có thể được ép kiểu về intthì có thể khai báo dtype=np.int

Ta có ví dụ về việc khai báo dtype=np.int như sau:

df = pd.DataFrame({
                   'int': [1, 0, 1, 0], 
                   'float': [1.0, 2.0, 3.0, 4.0], 
                   'object': ['1', '2', '3', '4'],
                   'str_int': ['1', 2, '3', 4],
                   'bool': [True, False, True, False]},
                   dtype=np.int64)
df

   int  float  object  str_int  bool
0    1      1       1        1     1
1    0      2       2        2     0
2    1      3       3        3     1
3    0      4       4        4     0

Sau khi khai báo dtype=np.int64, kiểu dữ liệu của các cột đã được ép kiểu về int64.

print(df.dtypes)

int        int64
float      int64
object     int64
str_int    int64
bool       int64
dtype: object

mẹo

Nếu dữ liệu có khoảng nhỏ thì thay vì khai báo kiểu np.int64, ta có thể khai báo kiểu integer với số byte phù hợp để giảm bộ nhớ lưu trữ. Để xem bộ nhớ sử dụng của DataFrame, ta có thể dùng .memory_usage().

Một số kiểu integer trong numpy như np.int8, np.int16, np.int32, np.int64, np.uint8, np.uint16, np.uint32, np.uint64

Theo ví dụ trên, khi dtype=np.int

df = pd.DataFrame({
                   'int': [1, 0, 1, 0], 
                   'float': [1.0, 2.0, 3.0, 4.0], 
                   'object': ['1', '2', '3', '4'],
                   'str_int': ['1', 2, '3', 4],
                   'bool': [True, False, True, False]},
                   dtype=np.int64)
print(df.memory_usage())

Index      132
int         32
float       32
object      32
str_int     32
bool        32
dtype: int64

và sau khi thay bằng dtype=np.int8

df = pd.DataFrame({
                   'int': [1, 0, 1, 0], 
                   'float': [1.0, 2.0, 3.0, 4.0], 
                   'object': ['1', '2', '3', '4'],
                   'str_int': ['1', 2, '3', 4],
                   'bool': [True, False, True, False]},
                   dtype=np.int8)
print(df.memory_usage())

Index      132
int          4
float        4
object       4
str_int      4
bool         4
dtype: int64

Có thể thấy bộ nhớ sử dụng của DataFrame đã giảm đáng kể từ 32 bytes xuống còn 4 bytes.

Phương thức ép kiểu này được áp dụng khi bạn khởi tạo DataFrame, ngoài ra còn có hàm ép kiểu khác đối với DataFrame cho trước, nội dung này sẽ được đề cập ở Chương 3.