pandas astype无法识别固定长度的字节串格式

问题描述

请考虑以下示例:

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?

why and what does '|O' mean?

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

I also tried df.astype({"int":np.int8, "str": '|S2'}), and got the same result.

推荐答案

这表示键入object， :

创建DataFrame时，尽管指定了类型，但字符串的类型为Object:

When you create your DataFrame, although you specify types, the strings are of type Object:

df.dtypes

int     int64
str    object
dtype: object

astype不是 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:

astype is not an inplace operation, so your command does nothing at the moment, you need to reassign:

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

但这仍然不能转换object中的字符串:

This still does not convert the strings from object however:

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.

So when you use to_records, object is used instead of your designated type.

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:

A fix would be to create your string series separately, and assign it to your 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')])

这篇关于 pandas astype无法识别固定长度的字节串格式的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！