using/not 对 narray 使用 "astype(np.float)" 有什么区别吗?
Is there any difference between using/not using "astype(np.float)" for narray?
我将导入仅包含数字的 txt 文件,用于一些编码练习。
注意到我可以用 code_1 或 code_2:
得到相同的结果
code_1 = np.array(pd.read_csv('e:/data.txt', sep='\t', header=None)).astype(np.float)
code_2 = np.array(pd.read_csv('e:/data.txt', sep='\t', header=None))
所以我想知道使用和不使用.astype(np.float)
有什么区别吗?
请告诉我是否有类似的问题。非常感谢。
DataFrame.astype()
方法用于将pandas 对象转换为指定的dtype
。 astype()
函数还提供了将任何合适的现有列转换为分类类型的功能。
当我们想要将特定列数据类型转换为另一种数据类型时,DataFrame.astype()
函数非常方便。
在您的情况下,文件加载为 DataFrame
。这些数字将根据数字加载为整数或浮点数。 astype(np.float)
方法将数字转换为浮点数。另一方面,如果数字已经是 float 类型,那么正如你所看到的,两者之间没有任何区别。
我将导入仅包含数字的 txt 文件,用于一些编码练习。
注意到我可以用 code_1 或 code_2:
得到相同的结果code_1 = np.array(pd.read_csv('e:/data.txt', sep='\t', header=None)).astype(np.float)
code_2 = np.array(pd.read_csv('e:/data.txt', sep='\t', header=None))
所以我想知道使用和不使用.astype(np.float)
有什么区别吗?
请告诉我是否有类似的问题。非常感谢。
DataFrame.astype()
方法用于将pandas 对象转换为指定的dtype
。 astype()
函数还提供了将任何合适的现有列转换为分类类型的功能。
当我们想要将特定列数据类型转换为另一种数据类型时,DataFrame.astype()
函数非常方便。
在您的情况下,文件加载为 DataFrame
。这些数字将根据数字加载为整数或浮点数。 astype(np.float)
方法将数字转换为浮点数。另一方面,如果数字已经是 float 类型,那么正如你所看到的,两者之间没有任何区别。