Pandas read_table将混合类型读取字符串读为十六进制

Question

我有这段代码：

Link to code and data on GitHub

col_names = {'age_code':'str', 'los_code':'str', 'race_code':'str'}
injuries = pd.read_table(some_url, dtype=col_names)

los_code，age_code和race_code有另一个包含代码的表格。例如race_code是：

  race_code                          race_text
0      0000                          All races
1      1XXX                White, non-Hispanic
2      2XXX                Black, non-Hispanic
3      3XXX                           Hispanic
4      4XXX          Asian or Pacific Islander
5      5XXX  American Indian or Alaskan Native
6      NRXX                       Not reported

阅读之后，除了代码为NaN之外，所有这三个列都有0000个条目。如果列条目是1XXX到NRXX中的任何一个，则该条目将变为NaN。

由于int条目，pandas正在将列读作0000，但在阅读X条目后会感到困惑（可能会将其混淆为十六进制）

如何强制pandas以字符串形式读取这些条目。

此外我也收到错误：

  

DtypeWarning：列（1,4,5,6,7,8,9）具有混合类型。在导入时指定dtype选项或设置low_memory = False。     interactivetivity = interactivity，compiler = compiler，result = result）

Answer 1

使用'object'代替'str'。

col_names = {'age_code':'object', 'los_code':'object', 'race_code':'object'}

考虑使用col_dtypes而不是col_names之类的内容作为变量名称。另请考虑阅读Pandas docs以找到此类问题的答案。

聚苯乙烯。这是一个警告，而不是你得到的错误。

修改

好的，我看了你的数据和代码。当我在简单的MS Excel中打开你的桌子时，这是一个屏幕剪辑。你能告诉我age_code，race_code和los_code的值在哪里吗？因为如果列中没有数据，Pandas将在那里插入NaN。另请注意屏幕截图右下角Excel生成的摘要统计信息。平均值= 0，Min = 0，Max = 0，Sum = 0，Count = 410.有410个读数，并且都是零。我选择了感兴趣的三列中的所有行。您正在阅读的表格中缺少数据。

然后，单独阅读age_code，race_code和los_code的表似乎没什么问题。最后，从警告中获取提示，并在low_memory=False而不是pd.read_table()中传递dtype=col_names。

我认为您的问题已得到解答，因为您的数据中缺少值。它们不是由Pandas引起的，也不是由您的代码引起的。