mhalil
Pandas - astype
Cts 22 Kasım 2025astype() Metodu
astype() metodu, Pandas'taki veri çerçevelerinin (DataFrame) veya serilerin (Series) veri tiplerini / türlerini (dtype) değiştirmek için kullanılan temel bir fonksiyondur.
astype() metodu ile bir DataFrame'deki tüm sütunları veya belirli sütunları istediğiniz bir veri tipine dönüştürebiliriz. Veri analizi sırasında, verilerin doğru şekilde işlenmesi, filtrelenmesi ve hafızada daha verimli saklanması için veri tiplerini (örneğin, tam sayıları ondalıklı sayıya, objeleri kategoriye veya sayıları tam sayıya) dönüştürmek sıklıkla gereklidir.
Sözdizimi:
df.astype(dtype, copy=True, errors='raise')
Parametreler
| Parametre | Açıklama |
|---|---|
dtype |
Dönüştürmek istediğiniz yeni veri tipini belirtir. Bir sütun için tek bir tip (örneğin 'int64', float, 'category') veya birden fazla sütun için {'sütun_adı': 'yeni_tip', ...} şeklinde bir sözlük (dictionary) olabilir. |
copy |
Dönüşümden sonra veri çerçevesinin bir kopyasını döndürüp döndürmeyeceğini belirtir. Varsayılanı True'dur. (Not: Pandas'ın yeni Copy-on-Write özelliği ile bu parametrenin davranışı değişmektedir.) |
errors |
Dönüşüm sırasında bir hata oluşursa ne yapılacağını belirtir: 'raise' (varsayılan, hata fırlatır ve durur) veya 'ignore' (hatayı yok sayar ve orijinal nesneyi döndürür). |
Örneklerle Kullanım
Aşağıdaki örneklerde, öncelikle bir başlangıç Veri Çerçevesi (DataFrame) oluşturup, ardından astype metodu ile çeşitli dönüşümler yapacağız.
Başlangıç DataFrame'i Oluşturma
import pandas as pd
# Örnek Veri Çerçevesi
data = {
'UrunID': ['101', '102', '103', '104'],
'Fiyat': ['15.50', '22.00', '5.25', '10.00'],
'StokAdedi': [50, 10, 20, 0],
'Indirimli': [True, False, False, True]
}
df = pd.DataFrame(data)
print(df)
Veri Çerçevemiz aşağıdadır;
UrunID Fiyat StokAdedi Indirimli
0 101 15.50 50 True
1 102 22.00 10 False
2 103 5.25 20 False
3 104 10.00 0 True
Sütunların veri tiplerine bakalım;
print("--- Başlangıç Veri Tipleri ---")
print(df.dtypes)
Çıktı:
--- Başlangıç Veri Tipleri ---
UrunID object (string)
Fiyat object (string)
StokAdedi int64
Indirimli bool
dtype: object
Örnek 1: Tüm Veri Çerçevesini Tek Bir Tipe Dönüştürme (Uyarı: Genellikle bundan kaçınılır, tavsiye edilmez)
Tüm sütunları aynı türe dönüştürmek, ancak sadece tüm sütunlar bu dönüşüme uygunsa mantıklıdır.
# 'StokAdedi' sütununu (int64) daha küçük bir tam sayı tipi olan int16'ya dönüştürme.
df['StokAdedi'] = df['StokAdedi'].astype('int16')
print("--- Örnek 1 Sonrası Veri Tipleri ---")
print(df.dtypes)
Çıktı:
--- Örnek 1 Sonrası Veri Tipleri ---
UrunID object
Fiyat object
StokAdedi int16 <-- Değişti
Indirimli bool
dtype: object
Örnek 2: Birden Fazla Sütunu Sözlük (Dictionary) Kullanarak Dönüştürme
Bu, en yaygın kullanım şeklidir. Farklı sütunları kendi hedef tiplerine dönüştürürüz.
-
UrunID(şu andaobject/string) ->category(Kategorik veri tipi, string'lere göre daha az bellek kullanır ve bazı işlemlerde daha hızlıdır.) -
Fiyat(şu andaobject/string) ->float64(Ondalıklı sayıya dönüştürme.)
df_donusmus = df.astype({
'UrunID': 'category',
'Fiyat': 'float64'
})
print("\n--- Örnek 2 Sonrası Veri Tipleri ve Veri Çerçevesi ---")
print(df_donusmus.dtypes)
Çıktı:
--- Örnek 2 Sonrası Veri Tipleri ve Veri Çerçevesi ---
UrunID category <-- Değişti
Fiyat float64 <-- Değişti
StokAdedi int64
Indirimli bool
dtype: object
Dönüşmüş Veri çerçevesine bakalım;
print("DataFrame:")
print(df_donusmus)
Çıktı:
DataFrame:
UrunID Fiyat StokAdedi Indirimli
0 101 15.50 50 True
1 102 22.00 10 False
2 103 5.25 20 False
3 104 10.00 0 True
Örnek 3: Hata Yönetimi (errors='ignore')
Bir dönüşümün başarısız olma ihtimali varsa (örneğin bir metin sütununu sayıya dönüştürmeye çalışırken sayı olmayan karakterler varsa), errors='ignore' kullanarak dönüşüm hatasını yok sayıp orijinal veriyi geri döndürebilirsiniz.
Ancak, genellikle sayısal dönüşümler için daha güçlü olan pd.to_numeric() fonksiyonunun errors='coerce' parametresi kullanılır, bu da hatalı değerleri NaN (Not a Number) olarak değiştirir. Yine de astype örneğini görelim:
df_hata = pd.DataFrame({'Deger': ['10', '20', 'hata', '30']})
print(df_hata)
# Çıktı:
# Deger
# 0 10
# 1 20
# 2 hata
# 3 30
# errors='raise' (Varsayılan): 'hata' değeri yüzünden ValueError fırlatır.
# errors='ignore': Hata fırlatmak yerine orijinal DataFrame'i döndürür.
try:
df_result = df_hata.astype('int64', errors='ignore')
if df_result.equals(df_hata):
print("\n--- Örnek 3: Hata Yönetimi (`errors='ignore'`) ---")
print("Dönüşüm hatası nedeniyle orijinal DataFrame döndürüldü.")
except ValueError as e:
# Bu blok, 'raise' olsaydı çalışırdı.
pass
Çıktı:
--- Örnek 3: Hata Yönetimi (`errors='ignore'`) ---
Dönüşüm hatası nedeniyle orijinal DataFrame döndürüldü.
Bu örnek, astype metodunun veri tiplerini yönetmede ne kadar esnek ve güçlü olduğunu göstermektedir.