Question

我有一个数据框，我希望每一列都为字符串格式。所以我这样做：

 df = df.astype(str)

问题在于，以这种方式，所有的NaN条目都被转换为字符串“ nan”。并且isnull返回false。有没有一种方法可以转换为字符串，但保持原样为空？

Answer 1

将您的空值转换为空字符串，然后将数据帧转换为字符串类型。

df.replace(np.nan, '').astype(str)

请注意，您可以通过以下方式测试“空”：

df.apply(lambda s: s.str.len() == 0)

Answer 2

当您执行astype(str)时，dtype将始终为object，这是一个包含混合列的dtype。因此，您可以做的一件事就是像以前一样使用object将其转换为astype(str)，然后将nan替换为实际的NaN（本质上是浮点数）），允许您使用isnull之类的方法进行访问：

df.astype(str).replace('nan',np.nan)

示例：

df = pd.DataFrame({'col1':['x',2,np.nan,'z']})
>>> df
  col1
0    x
1    2
2  NaN
3    z

# Note the mixed str, int and null values:
>>> df.values
array([['x'],
       [2],
       [nan],
       ['z']], dtype=object)

df2 = df.astype(str).replace('nan',np.nan)

# Note that now you have only strings and null values:
>>> df2.values
array([['x'],
       ['2'],
       [nan],
       ['z']], dtype=object)

Answer 3

对于系列，您只能在astype的零件上使用notnull，而无需重新放置NaN s

df = pd.DataFrame([1, np.nan, 'String'])
df[df.notnull()] = df[df.notnull()].astype(str)

如评论中所述，对于DataFrame，您可以使用

df.where(df.notnull(), df.astype(str))

如何在忽略NaN的情况下将Pandas DataFrame中的所有列转换为“对象”？

3 个答案: