Conversion d'une colonne dans un cadre de données pandas, de l'int à la chaîne.

Question

J'ai un cadre de données dans pandas avec des colonnes de données mixtes (int et str). Je veux d'abord concaténer les colonnes dans le cadre de données. Pour ce faire, je dois convertir un fichier int colonne à str . J'ai essayé de faire comme suit :

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

o

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

mais dans les deux cas, cela ne fonctionne pas et je reçois une erreur disant "cannot concatenate 'str' and 'int' objects". Concaténation de deux str Les colonnes fonctionnent parfaitement bien.

Answer 1

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'

N'oubliez pas de renvoyer 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)

Answer 2

Change le type de données de la colonne DataFrame :

A l'intérieur :

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

Pour str :

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

Answer 3

Avertissement : Les deux solutions sont données ( astype() et apply() ) ne préservent pas les valeurs NULL, que ce soit sous la forme nan ou None.

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 pense que ce problème est résolu par l'implémentation de to_string()

Answer 4

Il existe quatre façons de convertir des colonnes en chaînes de caractères

1. astype(str)
df['column_name'] = df['column_name'].astype(str)

2. values.astype(str)
df['column_name'] = df['column_name'].values.astype(str)

3. map(str)
df['column_name'] = df['column_name'].map(str)

4. apply(str)
df['column_name'] = df['column_name'].apply(str)

Voyons les performances de chaque type

#importing libraries
import numpy as np
import pandas as pd
import time

#creating four sample dataframes using dummy data
df1 = pd.DataFrame(np.random.randint(1, 1000, size =(10000000, 1)), columns =['A'])
df2 = pd.DataFrame(np.random.randint(1, 1000, size =(10000000, 1)), columns =['A'])
df3 = pd.DataFrame(np.random.randint(1, 1000, size =(10000000, 1)), columns =['A'])
df4 = pd.DataFrame(np.random.randint(1, 1000, size =(10000000, 1)), columns =['A'])

#applying astype(str)
time1 = time.time()
df1['A'] = df1['A'].astype(str)
print('time taken for astype(str) : ' + str(time.time()-time1) + ' seconds')

#applying values.astype(str)
time2 = time.time()
df2['A'] = df2['A'].values.astype(str)
print('time taken for values.astype(str) : ' + str(time.time()-time2) + ' seconds')

#applying map(str)
time3 = time.time()
df3['A'] = df3['A'].map(str)
print('time taken for map(str) : ' + str(time.time()-time3) + ' seconds')

#applying apply(str)
time4 = time.time()
df4['A'] = df4['A'].apply(str)
print('time taken for apply(str) : ' + str(time.time()-time4) + ' seconds')

Sortie

time taken for astype(str): 5.472359895706177 seconds
time taken for values.astype(str): 6.5844292640686035 seconds
time taken for map(str): 2.3686647415161133 seconds
time taken for apply(str): 2.39758563041687 seconds

Si vous vous exécutez plusieurs fois, le temps de chaque technique peut varier. En moyenne map(str) y apply(str) sont moins longues que les deux autres techniques

Answer 5

Utilisez le code suivant :

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