大家好，歡迎來到數據新手村的第二十天！昨天我們學會了如何處理數據中的「缺失值」，讓我們的資料集不再有空洞。

但資料清洗的挑戰還沒結束。想像一下，如果一個紀錄價格的欄位，被當成了「文字」；或者一個訂單日期，被當成了「純文字」，會發生什麼事？

• 我們無法計算「文字」的平均價格。
• 我們也無法計算兩個「文字」之間相差了幾天。

這就是「資料類型 (Data Type)」不正確所導致的問題。今天，我們就要來學習如何幫 DataFrame 中的每一欄，找到它們正確的「身份」，這就是資料類型轉換。

1. 診斷問題：再次請出 .info() 神器

在動手修正之前，我們得先找出哪些欄位的類型是錯誤的。在 Day 17，我們學過的 df.info() 正是執行這項任務的最佳工具。

讓我們再次讀取 Olist 的訂單資料表，並檢視它的「身分證」。

import pandas as pd

# 讀取訂單主表
orders_df = pd.read_csv('../../data/olist_datasets/olist_orders_dataset.csv')

# 呼叫 .info() 來檢視所有欄位的資訊
orders_df.info()

輸出結果：
1 customer_id 99441 non-null object
2 order_status 99441 non-null object
3 order_purchase_timestamp 99441 non-null object
4 order_approved_at 99281 non-null object
5 order_delivered_carrier_date 97658 non-null object
6 order_delivered_customer_date 96476 non-null object
7 order_estimated_delivery_date 99441 non-null object
dtypes: object(8)
memory usage: 6.1+ MB

觀察重點：
從輸出的結果中，您會發現所有跟「時間」相關的欄位，例如 order_purchase_timestamp, order_approved_at 等，它們的 Dtype (資料類型) 都是 object。

在 Pandas 中，object 通常就代表「文字 (string)」。這證實了我們的猜想：Pandas 並沒有自動將這些日期文字辨識為「時間」，我們必須手動轉換它們。

2. 通用轉換工具：.astype()

.astype() 是 Pandas 中最通用的類型轉換方法，可以用來在各種基礎類型之間轉換（例如：int, float, str）。

舉個例子，如果我們有一個浮點數的欄位，想把它轉成整數：

# 建立一個範例 DataFrame
df_sample = pd.DataFrame({'price': [99.0, 150.0, 200.0]})
print(f"原始 dtype: {df_sample['price'].dtype}")

# 使用 .astype() 將 float64 轉為 int64
df_sample['price'] = df_sample['price'].astype(int)

print(f"轉換後 dtype: {df_sample['price'].dtype}")
print(df_sample)

輸出結果：
原始 dtype: float64
轉換後 dtype: int64
price
0 99
1 150
2 200

雖然 .astype() 很方便，但對於「日期時間」這種複雜的類型，Pandas 提供了一個更強大的專用魔法棒。

3. 時間序列的魔法棒：pd.to_datetime() (本篇核心)

pd.to_datetime() 是專門用來將各種格式的文字，解析並轉換成 Pandas 標準的 datetime 物件的函式。

實戰：轉換 Olist 訂單時間
讓我們來修正 order_purchase_timestamp 這個欄位。

# 檢視轉換前的類型
print(f"轉換前 order_purchase_timestamp 的 dtype: {orders_df['order_purchase_timestamp'].dtype}")
print(f"轉換前第一筆資料的類型: {type(orders_df['order_purchase_timestamp'][0])}")

print("\n" + "="*30 + "\n")

# 進行轉換
orders_df['order_purchase_timestamp'] = pd.to_datetime(orders_df['order_purchase_timestamp'])

# 檢視轉換後的類型
print(f"轉換後 order_purchase_timestamp 的 dtype: {orders_df['order_purchase_timestamp'].dtype}")
print(f"轉換後第一筆資料的類型: {type(orders_df['order_purchase_timestamp'][0])}")

輸出結果：
轉換前 order_purchase_timestamp 的 dtype: object
轉換前第一筆資料的類型: <class 'str'>

==============================

轉換後 order_purchase_timestamp 的 dtype: datetime64[ns]
轉換後第一筆資料的類型: <class 'pandas._libs.tslibs.timestamps.Timestamp'>

您會發現，欄位的 dtype 變成了 datetime64[ns]，這就是 Pandas 中標準的時間類型。

datetime 型態的超能力
一旦轉換為 datetime 型態，您的欄位就解鎖了超能力！我們可以透過 .dt accessor，輕易地提取出時間的各個組成部分。

# 讓我們看看轉換後的第一筆訂單時間
first_order_time = orders_df['order_purchase_timestamp'][0]
print(f"第一筆訂單的時間是: {first_order_time}\n")

# 使用 .dt 提取各種時間資訊
print(f"年份: {first_order_time.year}")
print(f"月份: {first_order_time.month}")
print(f"日期: {first_order_time.day}")
print(f"星期幾 (0=週一, 6=週日): {first_order_time.dayofweek}")
print(f"當天的第幾小時: {first_order_time.hour}")

輸出結果：
第一筆訂單的時間是: 2017-10-02 10:56:33

年份: 2017
月份: 10
日期: 2
星期幾 (0=週一, 6=週日): 0
當天的第幾小時: 10

是不是非常方便！這些操作對於文字類型來說是完全不可能的。這就是資料類型轉換的威力。

結語

今天我們學會了如何診斷並修正 DataFrame 中的資料類型。請記住這兩個重點：

用 .info() 做健康檢查。

用 .astype() 處理一般類型，用 pd.to_datetime() 處理時間文字。

正確的資料類型不僅是為了讓表格看起來整潔，更是為了解鎖後續分析的強大能力。

我們已經處理了「空格子」和「填錯內容的格子」。明天，Day 21，我們將學習如何從現有的資料中，創造出全新的洞見——這就是特徵工程的起點：在 Pandas 中新增與刪除欄位。