我将 Pandas 'ver 0.12.0' 与 Python 2.7 一起使用，并具有如下数据框：
df = pd.DataFrame({'id' : [123,512,'zhub1', 12354.3, 129, 753, 295, 610],
'colour': ['black', 'white','white','white',
'black', 'black', 'white', 'white'],
'shape': ['round', 'triangular', 'triangular','triangular','square',
'triangular','round','triangular']
}, columns= ['id','colour', 'shape'])
iddtypeobjectidastype(str)df['id'].astype(str)
0 1
1 5
2 z
3 1
4 1
5 7
6 2
7 6
1) 如何将
id2) 我最终将使用
id反映最新实践的新答案：截至目前（v1.2.4），
astype('str')astype(str)根据文档，可以通过以下方式将系列转换为字符串数据类型：
df['id'] = df['id'].astype("string")
df['id'] = pandas.Series(df['id'], dtype="string")
df['id'] = pandas.Series(df['id'], dtype=pandas.StringDtype)
端到端示例：
import pandas as pd
# Create a sample DataFrame
data = {
'Name': ['John', 'Alice', 'Bob', 'John', 'Alice'],
'Age': [25, 30, 35, 25, 30],
'City': ['New York', 'London', 'Paris', 'New York', 'London'],
'Salary': [50000, 60000, 70000, 50000, 60000],
'Category': ['A', 'B', 'C', 'A', 'B']
}
df = pd.DataFrame(data)
# Print the DataFrame
print("Original DataFrame:")
print(df)
print("\nData types:")
print(df.dtypes)
cat_cols_ = None
# Apply the code to change data types
if not cat_cols_:
# Get the columns with object data type
object_columns = df.select_dtypes(include=['object']).columns.tolist()
if len(object_columns) > 0:
print(f"\nObject columns found, converting to string: {object_columns}")
# Convert object columns to string type
df[object_columns] = df[object_columns].astype('string')
# Get the categorical columns (including string and category data types)
cat_cols_ = df.select_dtypes(include=['category', 'string']).columns.tolist()
# Print the updated DataFrame and data types
print("\nUpdated DataFrame:")
print(df)
print("\nUpdated data types:")
print(df.dtypes)
print(f"\nCategorical columns (cat_cols_): {cat_cols_}")
Original DataFrame:
Name Age City Salary Category
0 John 25 New York 50000 A
1 Alice 30 London 60000 B
2 Bob 35 Paris 70000 C
3 John 25 New York 50000 A
4 Alice 30 London 60000 B
Data types:
Name object
Age int64
City object
Salary int64
Category object
dtype: object
Object columns found, converting to string: ['Name', 'City', 'Category']
Updated DataFrame:
Name Age City Salary Category
0 John 25 New York 50000 A
1 Alice 30 London 60000 B
2 Bob 35 Paris 70000 C
3 John 25 New York 50000 A
4 Alice 30 London 60000 B
Updated data types:
Name string[python]
Age int64
City string[python]
Salary int64
Category string[python]
dtype: object
Categorical columns (cat_cols_): ['Name', 'City', 'Category']
您可以使用
str将 id 的所有元素转换为
apply
df.id.apply(str)
0 123
1 512
2 zhub1
3 12354.3
4 129
5 753
6 295
7 610
OP编辑：
我认为这个问题与Python版本（2.7.）有关，这有效：
df['id'].astype(basestring)
0 123
1 512
2 zhub1
3 12354.3
4 129
5 753
6 295
7 610
Name: id, dtype: object
您必须分配它，如下所示：-
df['id']= df['id'].astype(str)
就我个人而言，以上方法都不适合我。 做了什么：
new_str = [str(x) for x in old_obj][0]
您可以使用：
df.loc[:,'id'] = df.loc[:, 'id'].astype(str)
这就是他们推荐此解决方案的原因：Pandas doc
TD；LR
反映一些答案：
df['id'] = df['id'].astype("string")
这将在给定的示例中中断，因为它将尝试转换为StringArray，它无法处理“字符串”中的任何数字。
df['id']= df['id'].astype(str)
对我来说，这个解决方案引发了一些警告：
> SettingWithCopyWarning:
> A value is trying to be set on a copy of a
> slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead
对我来说它有效：
df['id'].convert_dtypes()
请参阅此处的文档：
https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.convert_dtypes.html
使用 pandas 字符串方法，即
df['id'].str.cat()如果你想动态地做
df_obj = df.select_dtypes(include='object')
df[df_obj.columns] = df_obj.astype(str)
您的问题可以通过先将其转换为对象来轻松解决。转换为object后，只需使用“astype”即可将其转换为str。
obj = lambda x:x[1:]
df['id']=df['id'].apply(obj).astype('str')
对我来说 .to_string() 有效
df['id']=df['id'].to_string()