当有很多列时，将 Pandas df 数据类型定义为字典的最佳方法是什么？

Question

我经常使用 pd.read_csv() 加载 csv 文件，而且它们通常具有不同数据类型的列。这很好，因为我可以将字典传递给 dtype 参数，其中所有列都使用它们各自的数据类型映射出来。我发现的问题是，有时这些 csv 文件有很多列，并且生成的字典非常长。很多时候，字典看起来像这样：df_dtype = {             'A' : str,             'B' : str,             'C' : int}但是当 df 很长时，字典开始看起来像这样：df_dtype = {             'A' : str,             'B' : str,             'C' : int,             'D' : str,             'E' : str,             'F' : int,             'G' : str,             'H' : str,             'I' : int,             'J' : str,             'K' : str,             'L' : int,             'M' : str,             'N' : str,             'O' : int,             'P' : str,             'Q' : str,             'R' : int,             'S' : str,             'T' : str,             'U' : int,             'V' : str,             'W' : str,             'X' : int,             'Y' : str,             'Z' : str}这很丑陋，并且使代码的可读性降低。这样做的最佳做法是什么？我应该将字典作为目录中的单独文件吗？有没有更漂亮的格式化方式？

Answer 1

一种想法是更改格式以指定 dict 键的类型和列表中的列名：

d_types = {str: ['A', 'B', 'D'], 

           int: ['C','F'],

           float: ['G']}

#swap key values in dict

#http://stackoverflow.com/a/31674731/2901002

d = {k: oldk for oldk, oldv in d_types.items() for k in oldv}

print (d)

{'A': <class 'str'>, 'B': <class 'str'>, 'D': <class 'str'>,

 'C': <class 'int'>, 'F': <class 'int'>, 'G': <class 'float'>}