Conversión de tipos con astype()

Series.astype(dtype) convierte una columna de su tipo actual al tipo que especifique. Devuelve una nueva Series (o un DataFrame cuando se llama sobre un DataFrame completo) sin modificar el original. Es la herramienta principal de Pandas para corregir problemas de tipos después de cargar datos y permite convertir entre tipos numéricos, a cadenas, a booleanos y al tipo Categorical.

La conversión más habitual es de object a un tipo numérico. Puede convertir a 'int64', 'int32', 'float64', 'float32', etc. Si algún valor de la columna no se puede convertir, astype() genera un ValueError. Use pd.to_numeric(series, errors='coerce') cuando la columna pueda contener cadenas no numéricas: convierte los valores incorrectos en NaN en lugar de producir un error.

Convertir una columna a str (o 'object') transforma cada valor en su representación de cadena. Esto resulta útil cuando necesita concatenar una columna numérica con una columna de texto o aplicar métodos de cadenas a datos numéricos, como rellenar con ceros los identificadores. Pandas también dispone del tipo de datos más reciente 'string', que ofrece una mejor gestión de los valores NA en las columnas de texto.

La conversión a booleanos resulta útil cuando las columnas almacenan True/False como enteros (0/1) o como cadenas ('Yes'/'No'). Convertir enteros 0/1 con astype(bool) funciona directamente: 0 se convierte en False y cualquier valor distinto de cero, en True. Para las columnas de cadenas 'Yes'/'No', aplique primero un diccionario de mapeo y, después, realice la conversión.

De forma predeterminada, Pandas utiliza tipos de 64 bits. Si los valores enteros caben en 32 o incluso 8 bits, puede hacer un downcast a un tipo más pequeño para reducir a la mitad (o a una cuarta parte) el uso de memoria. Use pd.to_numeric(series, downcast='integer') o convierta explícitamente con astype('int32'). Esta es una optimización clave para conjuntos de datos grandes.

Puede convertir varias columnas a la vez pasando un diccionario a df.astype(), donde las claves son los nombres de las columnas y los valores son los tipos de datos de destino. Esto es más claro que encadenar asignaciones de columnas individuales y hace que el paso de conversión de tipos quede documentado por sí mismo como un único bloque de la canalización.

astype() no dispone de un modo integrado tolerante a errores (a diferencia de pd.to_numeric). Si una conversión falla, genera un ValueError o un OverflowError. El procedimiento seguro es: (1) limpiar primero la columna (eliminar símbolos, rellenar NaN); (2) convertirla después. Como alternativa, use pd.to_numeric(errors='coerce') para valores numéricos o escriba una pequeña función auxiliar que capture los errores de conversión.

El tipo de datos más reciente 'string' (la variante String con S mayúscula o pd.StringDtype()) se introdujo para ofrecer compatibilidad nativa con cadenas y una gestión adecuada de los valores NA: almacena las cadenas ausentes como pd.NA en lugar de None o np.nan. Permite usar el accesor .str y conserva mejor la semántica de NA que el tipo object, por lo que se recomienda para código nuevo destinado a Pandas 2 o versiones posteriores.

Al convertir a un tipo entero más pequeño, los valores que superan el rango del tipo sufren un desbordamiento silencioso y vuelven a aparecer dentro del rango. Por ejemplo, convertir 300 a int8 (rango de -128 a 127) produce 44 sin generar ningún error. Compruebe siempre que el rango real de los datos cabe en el tipo de destino antes de reducir su tamaño, para evitar una corrupción sutil de los datos.

Después de realizar varias conversiones de tipos, valide el esquema final comparando los tipos reales con un mapa esperado. Este patrón de aserción detecta errores como una columna que no se convirtió (por ejemplo, porque NaN impidió la conversión a entero). Ejecute estas comprobaciones al final de la función de carga de datos como una prueba ligera del esquema.

Para integrar todos los conceptos: a continuación se muestra una canalización realista de conversión posterior a read_csv que limpia el formato, gestiona NaN de forma segura, convierte a tipos óptimos y valida el resultado. Este patrón —limpiar, convertir y validar— debería formar parte habitual de toda función de ingesta de datos.

Compruebe cuánto ha entendido sobre la conversión de tipos con astype().

En esta lección ha aprendido que astype(dtype) convierte una columna o un DataFrame completo a un nuevo tipo, que pd.to_numeric(errors='coerce') es más seguro para columnas con cadenas no numéricas y que pasar un diccionario a astype() convierte varias columnas a la vez. Reduzca el tamaño de los tipos con cuidado para evitar desbordamientos y valide siempre el esquema final mediante aserciones. A continuación, exploraremos el tipo de datos Categorical, que permite ahorrar memoria.