Analysér datoer, og angiv dtypes ved indlæsning
Få typerne rigtige allerede ved import.
Analysér datoer, og angiv dtypes ved indlæsning er en gratis Data Science Academy-lektion på CoddyKit. Dette er lektion 3 af 4. Du kan læse hele lektionen gratis nedenfor — og derefter øve dig praktisk i browseren med en indbygget kodeeditor og en AI-vejleder, der er tilgængelig døgnet rundt. Den er en del af læringsforløbet i Data Science Academy, og dine fremskridt synkroniseres på tværs af nettet og CoddyKit-appen. Data Science Academy-kurset indeholder 4 lektioner i alt.
Typer betyder noget fra begyndelsen
Når pandas læser en fil, gætter den hver kolonnes dtype. Få typerne rigtige under indlæsningen, så bliver alle senere trin enklere. 🧱
Datoer indlæses som tekst
En dato som 2024-03-01 ligner en dato for dig, men pandas læser den som en almindelig streng, medmindre du beder den om andet.
Fortolk datoer under indlæsning
Indstillingen parse_dates omdanner de angivne kolonner til rigtige datetime-værdier under indlæsningen, uden behov for et ekstra trin.
df = pd.read_csv("sales.csv",
parse_dates=["order_date"])Derfor kan det betale sig
Når en kolonne er en rigtig datetime, kan du sortere efter tid, filtrere datointervaller og nemt udtrække måneden.
Få hjælp til særlige formater
Ved usædvanlige opbygninger kan du angive en format-streng, så pandas fortolker hurtigt og aldrig gætter forkert på rækkefølgen dag-måned.
df = pd.read_csv("eu.csv",
parse_dates=["d"], date_format="%d/%m/%Y")Tving bestemte dtypes
Indstillingen dtype lader dig selv angive en kolonnes type, så pandas' gæt erstattes af en tydelig ordbog.
df = pd.read_csv("data.csv",
dtype={"zip": "string"})Bevar indledende nuller
Koder som 00123 mister deres nuller, hvis de læses som tal. Hvis du tvinger kolonnen til string, bevares de præcis som skrevet.
df = pd.read_csv("ids.csv",
dtype={"product_code": str})Spar hukommelse med typer
Hvis du læser heltal som int32 i stedet for standardtypen int64, kan du halvere hukommelsesforbruget i store filer. Vælg den mindste type, der er tilstrækkelig.
df = pd.read_csv("big.csv",
dtype={"count": "int32"})Gentaget tekst? Brug category
Kolonner med få gentagne værdier, f.eks. et statusfelt, fylder betydeligt mindre, når de gemmes som datatypen category.
df = pd.read_csv("orders.csv",
dtype={"status": "category"})Kontrollér efter indlæsning
Bekræft altid resultatet. Hvis du kontrollerer dtypes, kan du se præcis, hvordan pandas typede hver kolonne, så overraskelser ikke når frem til analysen.
print(df.dtypes)Ret typer senere, hvis det er nødvendigt
Glemte du en? Du kan stadig konvertere bagefter med astype, men det er renere og lidt hurtigere at gøre det under indlæsningen.
df["count"] = df["count"].astype("int32")Hurtigt tjek
En kolonne med datoer indlæses som almindelig tekst. Hvad løser det under indlæsningen?
Opsummering: Rigtige typer, mindre besvær
Nu kan du fortolke datoer, tvinge streng- og numeriske typer og bruge category til gentagne værdier, alt sammen under indlæsningen. Kontrollér med dtypes, og gå videre. 🎉
Lær Python med en AI-underviser — gratis
Skriv og kør rigtig kode i din browser, få øjeblikkelig hjælp fra en AI-underviser døgnet rundt, og fortsæt, hvor du slap, på web eller i appen.
- Kurser
- 30
- Lektioner
- 120
Ofte stillede spørgsmål
Er lektionen “Analysér datoer, og angiv dtypes ved indlæsning” gratis?
Ja — hele teksten til “Analysér datoer, og angiv dtypes ved indlæsning” kan læses gratis her på nettet. Hvis du vil øve dig interaktivt med en indbygget kodeeditor og en AI-vejleder døgnet rundt og få adgang til resten af Data Science Academy-kurset, skal du opgradere til CoddyKit PRO. Data Science Academy-kurset indeholder 4 lektioner i alt.
Hvad lærer jeg i “Analysér datoer, og angiv dtypes ved indlæsning”?
Få typerne rigtige allerede ved import. Du øver dig i Data Science Academy med praktisk kode, som du kører direkte i browseren, og en AI-vejleder døgnet rundt besvarer dine spørgsmål, mens du arbejder dig gennem lektionen.
Skal jeg have erfaring for at begynde på Data Science Academy?
Der kræves ingen tidligere erfaring. Data Science Academy på CoddyKit er tilrettelagt for både begyndere og øvede, så du kan starte her eller fra begyndelsen og lære i dit eget tempo. Dette er lektion 3 af 4.
Hvor lang tid tager lektionen “Analysér datoer, og angiv dtypes ved indlæsning”?
De fleste CoddyKit-lektioner tager cirka 5–10 minutter. Hver lektion er kort og interaktiv, så du gør løbende fremskridt og kan fortsætte, hvor du slap – på både web og app.
Kan jeg skrive og køre kode i denne Data Science Academy-lektion?
Ja. Alle Data Science Academy-lektioner har en indbygget kodeeditor, så du kan skrive og køre rigtig kode direkte i din browser og få øjeblikkelig feedback fra AI – uden lokal opsætning.
Alle lektioner i dette kursus
- read_csv og de nyttige indstillinger
- Åbn Excel-ark i pandas
- Analysér datoer, og angiv dtypes ved indlæsning
- Gem resultater i CSV og Excel