Verifica del Tipo di Colonna
Se ti capita di incontrare la colonna 'Fare', noterai che i numeri qui sono separati dal segno -. Sembra strano, vero? Siamo abituati a usare il . come separatore e Python può interpretare solo numeri separati dai punti. Verifichiamo il tipo di questa colonna. Puoi farlo utilizzando l'attributo .dtypes. Osserva l'esempio con la colonna '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)
Spiegazione:
La sintassi .dtypes è semplice; basta applicarla alla colonna o all'intero set di dati. Nel nostro caso, il tipo è float64.
Grazie per i tuoi commenti!
Chieda ad AI
Chieda ad AI
Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione
Awesome!
Completion rate improved to 3.03Verifica del Tipo di Colonna
Scorri per mostrare il menu
Se ti capita di incontrare la colonna 'Fare', noterai che i numeri qui sono separati dal segno -. Sembra strano, vero? Siamo abituati a usare il . come separatore e Python può interpretare solo numeri separati dai punti. Verifichiamo il tipo di questa colonna. Puoi farlo utilizzando l'attributo .dtypes. Osserva l'esempio con la colonna '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)
Spiegazione:
La sintassi .dtypes è semplice; basta applicarla alla colonna o all'intero set di dati. Nel nostro caso, il tipo è float64.
Grazie per i tuoi commenti!
