我有一个数据帧,我希望每一列都是字符串格式。所以我这样做:
df = df.astype(str)
问题是通过这种方式,所有 NaN 条目都转换为字符串 'nan'。isnull
返回false
.有没有办法转换为字符串但保持空条目不变?
当你做astype(str)
时,dtype总是object
的,这是一个包含混合列的dtype。因此,您可以做的一件事是使用astype(str)
将其转换为object
,就像您所做的那样,但然后将nan
替换为实际的NaN
(本质上是浮点数(,允许您使用诸如isnull
之类的方法访问它:
df.astype(str).replace('nan',np.nan)
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)
将 null 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"空值":
df.apply(lambda s: s.str.len() == 0)
对于系列,您只能在notnull
的零件上使用astype
,而无需重新更换NaN
df = pd.DataFrame([1, np.nan, 'String'])
df[df.notnull()] = df[df.notnull()].astype(str)
如注释中所述,对于数据帧,您可以使用
df.where(df.isna(), df.astype(str))