Question

考虑以下示例：

df = pd.DataFrame([[1, "a"], [2, "b"]], columns=["int", "str"])
df.astype({"int":np.int8, "str": np.dtype('|S2')})
arr = df.to_records(index=False)
print(arr.dtype.descr)

我希望看到的是：

[(u'int', '<i8'), (u'str', '|S2')]

相反，我得到了：

[(u'int', '<i8'), (u'str', '|O')]

为什么'|O'是什么意思？

我也尝试了df.astype({"int":np.int8, "str": '|S2'})，并得到了相同的结果。

Answer 1

这意味着键入object，from the docs：

'O'（Python）对象

创建DataFrame时，尽管您指定了类型，但字符串的类型为Object：

df.dtypes

int     int64
str    object
dtype: object

astype 不是是就地操作，因此您的命令目前不执行任何操作，您需要重新分配：

df = df.astype({"int":np.int8, "str": np.dtype('|S2')})

但这仍然不能转换来自object的字符串：

df.dtypes

int      int8
str    object
dtype: object

因此，当您使用to_records时，将使用object代替您指定的类型。

一种解决方法是分别创建您的字符串系列，并将其分配给您的DataFrame：

s = pd.Series(['a', 'b'], dtype=np.dtype('|S2'))
df['d'] = s

df.dtypes

int      int8
str    object
d         |S2
dtype: object

并使用to_records：

df.to_records(index=False)

rec.array([(1, b'a', b'a'), (2, b'b', b'b')],
          dtype=[('int', 'i1'), ('str', 'O'), ('d', 'S2')])

熊猫astype无法识别固定长度的字节串格式

1 个答案: