Pandas astype str 仍然是对象 - Python

在使用 Pandas 进行数据处理时，我们经常需要将特定列的数据类型转换为字符串类型。通过使用 .astype() 函数，我们可以轻松地将 Pandas 列转换为字符串类型。然而，即使在字符串类型下，转换后的 Pandas 列仍然是对象类型。本文将介绍为什么会出现这种情况，并提供解决方案。

为什么 Pandas astype str 仍然是对象？

转换 Pandas 列到字符串类型通常是通过调用 Pandas .astype() 函数实现的，如下所示：

import pandas as pd

df = pd.DataFrame({
    'num_col': [1, 2, 3],
    'str_col': ['A', 'B', 'C']
})

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

print(df.dtypes)

输出结果为：

num_col    object
str_col    object
dtype: object

可以看到，即使 num_col 列已经被转换为字符串类型，它仍然是一个对象类型。这是因为在 Pandas 中，字符串类型被视为对象类型的一种。

解决方案

如果我们希望将字符串类型的 Pandas 列转换为其他数据类型，例如整数或浮点数，我们可以使用 Pandas 中的其他函数，例如 pd.to_numeric() 或 pd.to_datetime()。

例如，如果我们希望将转换后的 num_col 列转换为整数类型，可以使用以下代码：

df['num_col'] = pd.to_numeric(df['num_col'], errors='coerce').fillna(0).astype(int)

print(df.dtypes)

输出结果为：

num_col     int64
str_col    object
dtype: object

现在 num_col 列已经成功地被转换为整数类型。

结论

虽然在 Pandas 中，字符串类型被视为对象类型的一种，但我们仍然可以通过使用 pd.to_numeric() 或 pd.to_datetime() 等其他函数，将转换后的列转换为其他数据类型。这能够帮助我们更好地利用 Pandas 的强大功能，实现数据处理和分析。