当数据框既是 int 又是字符串时，在 Dataframe 中查找行？

Posted 2023-03-12

【中文标题】当数据框既是 int 又是字符串时，在 Dataframe 中查找行？

【英文标题】：Finding row in Dataframe when dataframe is both int or string?

【发布时间】：2019-09-07 15:24:34

【问题描述】：

我的头脑中有一个小问题。我有一个类似于以下的数据框：

Number      Title
12345678    A
34567890-S  B
11111111    C
22222222-L  D

这是在python中使用pandas从excel文件中读取，然后将索引设置为第一列：

db = db.set_index(['Number'])

然后我根据数字查找标题：

lookup = "12345678"
title = str(db.loc[lookup, 'Title'])

但是...虽然后缀“-Something”的任何东西都可以工作，但没有它的任何东西都找不到位置（例如，12345678 找不到任何东西，34567890-S 会）。我唯一的预感是它与查找字符串或整数有关，但我尝试了一些事情（将表转换为所有字符串，将 loc 更改为 iloc、ix 等），但到目前为止还没有运气。

有什么想法吗？谢谢:)

更新：因此从头开始尝试不会表现出相同的行为（创建测试数据库大概只是将所有内容设置为字符串），但是从 CSV 导入会导致上述情况，并且.. .

搜索“12345678”（作为字符串）找不到它，但将 12345678 作为 int 将。其他人也同样相反。因此，数据框仅将索引中的纯数字与整数匹配，而将其他任何与字符串匹配。

另外，我不能不搜索后缀，因为我有多行具有不同的后缀，例如 34567890-S、34567890-L、34567890-X。

【问题讨论】：

你确定“数字”后面没有空格吗？

如果您没有@vercelli 提到的空格，应该可以工作。 '12345678' 会起作用，但 '12345678' 不会。您可以删除索引df.index=df.index.str.strip() 然后loc[]

【参考方案1】：

如果要将所有条目转换为一种特定类型，可以使用pandas.Series.astype：

db["Number"] = df["Number"].astype(str)
db = db.set_index(['Number'])

lookup = "12345678"
title = db.loc[lookup, 'Title']

---

有趣的是，这实际上比使用pandas.Index.map 慢：

x1 = [pd.Series(np.arange(n)) for n in np.logspace(1, 4, dtype=int)]
x2 = [pd.Index(np.arange(n)) for n in np.logspace(1, 4, dtype=int)]

def series_astype(x1):
    return x1.astype(str)

def index_map(x2):
    return x2.map(str)

【讨论】：

谢谢，这行得通。这也有效（设置索引后）：db.index = db.index.map(str)

@pepsi_max2k：添加了pandas.Series.astype和pandas.Index.map之间的时间比较。

【参考方案2】：

将所有索引视为字符串，因为其中至少有一些不是数字。如果您想查找可能有后缀的特定项目，您可以通过将字符串的开头与.str.startswith 进行比较来匹配它：

lookup = db.index.str.startswith("34567890")
title = db.loc[lookup, "Title"]