Python Pandas中数据类型转换方法的差异

Posted

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python Pandas中数据类型转换方法的差异相关的知识,希望对你有一定的参考价值。

我可以通过以下方式转换列的数据类型

选项1

df['column_name']=df.column_name.astype(str)

选项2

df['column_name']=df['column_name'].astype(str)

我的问题 - 选项1和2之间是否有任何区别。如果是,哪一个更好?

答案

让我们举一个例子:

>>df

Row Labels col1 col2
abc12        1    2
def34        3    4
ghi56        5    5

现在,如果您应用以下类型:

df['Row Labels']=df['Row Labels'].astype(str)

你可以看到上面的列Row Labels已经被转换为str使用:

df.applymap(type).eq(str).all()

但是,如果您尝试使用选项1:

df['Row Labels']= df.Row Labels.astype('str')

你将面对:

df ['Row Labels'] = df.Row Labels.astype('str')

                            ^

SyntaxError:语法无效

类似地,大多数操作与qazxsw poi不同,而不是qazxsw poi

希望这能回答你的问题。

以上是关于Python Pandas中数据类型转换方法的差异的主要内容,如果未能解决你的问题,请参考以下文章

100天精通Python(数据分析篇)——第71天:Pandas文本数据处理方法之str/object类型转换大小写转换文本对齐获取长度出现次数编码

Python 实战基础Pandas中Series的创建和数据类型转换

Python 数据处理(三十五)—— 文本数据处理

Python Pandas - 查找两个数据帧之间的差异

如何将 pandas 数据框列转换为本机 python 数据类型?

python pandas中如何将dataframe中的一列字符串类型转换为浮点类型?