La conversion d'une colonne à l'intérieur de pandas dataframe de int en string

J'ai un dataframe dans les pandas avec un mélange de int et str colonnes de données. Je veux concaténer d'abord les colonnes dans le dataframe. Pour ce faire, je dois convertir un int colonne de str.
J'ai essayé de faire comme suit:

mtrx['X.3'] = mtrx.to_string(columns = ['X.3'])

ou 

mtrx['X.3'] = mtrx['X.3'].astype(str)

mais dans les deux cas, ça ne marche pas et j'obtiens un message d'erreur indiquant que "ne peut pas concaténer 'str' et de 'int' "objets". La concaténation de deux str colonnes fonctionne parfaitement bien.

InformationsquelleAutor Malfet | 2013-07-30
  1. 88
    In [16]: df = DataFrame(np.arange(10).reshape(5,2),columns=list('AB'))

In [17]: df
Out[17]: 
   A  B
0  0  1
1  2  3
2  4  5
3  6  7
4  8  9

In [18]: df.dtypes
Out[18]: 
A    int64
B    int64
dtype: object

    Convertir une série

    In [19]: df['A'].apply(str)
Out[19]: 
0    0
1    2
2    4
3    6
4    8
Name: A, dtype: object

In [20]: df['A'].apply(str)[0]
Out[20]: '0'

    Ne pas oublier de donner le résultat:

    df['A'] = df['A'].apply(str)

    Convertir l'ensemble du cadre

    In [21]: df.applymap(str)
Out[21]: 
   A  B
0  0  1
1  2  3
2  4  5
3  6  7
4  8  9

In [22]: df.applymap(str).iloc[0,0]
Out[22]: '0'

    df = df.applymap(str)
    • Je ne comprends vraiment pas pourquoi, mais mtrx['X. 3'].appliquer(str) ne fonctionne pas pour moi non plus 🙁 dtype montre encore int64. Le dataframe pour 23177 ligne et X. 3 de la colonne a eu que des numéros. Dans [21]: mtrx['X. 3'].dtype Out[21]: dtype('int64')
    • quelle est la version des pandas?
    • 0.7.0, venez avec python 2.7 le système Ubuntu
    • version actuelle est de 0,12, vous devez mettre à niveau.
    • df['A'].appliquer(str) ne fonctionne pas. mais df.column_name = df.column_name.astype(str) fonctionne. Aucune idée de pourquoi.
    • en python, les chaînes sont immuables, donc chaque fois que vous en manipulant les données, vous devez mettre le résultat dans la variable.

    InformationsquelleAutor Jeff
  2. 69

    Modifier le type de données de DataFrame colonne:

    Int:

    df.column_name = df.column_name.astype(np.int64)

    De str:

    df.column_name = df.column_name.astype(str)

    • C'est séduisante, mais elle est d'environ 4x plus lente que apply(str) de @Jeff, dans mon test à l'aide de pd.Series(np.arange(1000000)).
    • Cela fonctionne pour moi. df['A'] = df['A'].apply(str) fonctionne également. La réponse fournie par @Jeff ne fonctionne pas pour moi.
    • Concernant @JohnZwinck commentaire, à l'aide de Python3 il semble être plus comme 2x plus rapide à utiliser apply() au lieu de astype(): timeit.Minuterie('c.appliquer(str), le programme d'installation='importer les pandas que le pd; c = pd.Série(range(1000))').timeit(1000) >>> 0.41499893204309046 >>> timeit.Minuterie('c.astype(str), le programme d'installation='importer les pandas que le pd; c = pd.Série(range(1000))').timeit(1000) 0.8004439630312845
    InformationsquelleAutor tanaque
  3. 11

    Avertissement: les Deux solutions étant donné ( astype() et apply() ) ne conservent pas les valeurs NULL dans le nan ou rien pour la forme.

    import pandas as pd
import numpy as np

df = pd.DataFrame([None,'string',np.nan,42], index=[0,1,2,3], columns=['A'])

df1 = df['A'].astype(str)
df2 =  df['A'].apply(str)

print df.isnull()
print df1.isnull()
print df2.isnull()

    Je crois que ce problème est résolu par la mise en œuvre de to_string()

    • to_string vous permet de choisir la manipulation de Nan par exemple pour renvoyer une chaîne vide plutôt que de 'Nan'
    • Ce qui est exactement ce que j'ai dit sous le bloc de code
    • (Je n'étais pas en désaccord, tout en développant ce que vous avez dit) -- voulais dire +1
    InformationsquelleAutor Keith
  4. 0

    Utiliser ceci:

    df.column_name = df.column_name.astype('str')

    InformationsquelleAutor Faraz Ramtin