Vérification du Type de Colonne
Si vous tombez sur la colonne 'Fare'
, les nombres ici sont séparés par le signe -
. Cela semble étrange, n'est-ce pas ? Nous avions l'habitude d'utiliser .
comme séparateur, et Python ne peut comprendre que les nombres séparés par des points. Vérifions le type de cette colonne. Vous pouvez le faire en utilisant l'attribut .dtypes
. Regardez l'exemple avec la colonne 'Age'
.
123import pandas as pd data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic3.csv', index_col = 0) print(data['Age'].dtypes)
Explication :
La syntaxe .dtypes
est simple ; vous l'appliquez simplement à la colonne ou à l'ensemble du jeu de données. Dans notre cas, le type est float64.
Merci pour vos commentaires !
Demandez à l'IA
Demandez à l'IA
Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion
Awesome!
Completion rate improved to 3.03
Vérification du Type de Colonne
Glissez pour afficher le menu
Si vous tombez sur la colonne 'Fare'
, les nombres ici sont séparés par le signe -
. Cela semble étrange, n'est-ce pas ? Nous avions l'habitude d'utiliser .
comme séparateur, et Python ne peut comprendre que les nombres séparés par des points. Vérifions le type de cette colonne. Vous pouvez le faire en utilisant l'attribut .dtypes
. Regardez l'exemple avec la colonne 'Age'
.
123import pandas as pd data = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/4bf24830-59ba-4418-969b-aaf8117d522e/titanic3.csv', index_col = 0) print(data['Age'].dtypes)
Explication :
La syntaxe .dtypes
est simple ; vous l'appliquez simplement à la colonne ou à l'ensemble du jeu de données. Dans notre cas, le type est float64.
Merci pour vos commentaires !