在熊猫中将列转换为字符串

我从SQL查询中获得以下DataFrame：

(Pdb) pp total_rows
     ColumnID  RespondentCount
0          -1                2
1  3030096843                1
2  3030096845                1

我想像这样旋转它：

total_data = total_rows.pivot_table(cols=['ColumnID'])

(Pdb) pp total_data
ColumnID         -1            3030096843   3030096845
RespondentCount            2            1            1

[1 rows x 3 columns]


total_rows.pivot_table(cols=['ColumnID']).to_dict('records')[0]

{3030096843: 1, 3030096845: 1, -1: 2}

但是我想确保303列被强制转换为字符串而不是整数，以便得到：

{'3030096843': 1, '3030096845': 1, -1: 2}

转换为字符串的一种方法是使用astype：

total_rows['ColumnID'] = total_rows['ColumnID'].astype(str)

但是，也许您正在寻找该to_json函数，该函数会将键转换为有效的json（因此将键转换为字符串）：

In [11]: df = pd.DataFrame([['A', 2], ['A', 4], ['B', 6]])

In [12]: df.to_json()
Out[12]: '{"0":{"0":"A","1":"A","2":"B"},"1":{"0":2,"1":4,"2":6}}'

In [13]: df[0].to_json()
Out[13]: '{"0":"A","1":"A","2":"B"}'

注意：您可以传入缓冲区/文件以将其保存到其中，以及其他一些选项...

如果您需要将ALL列转换为字符串，则可以简单地使用：

df = df.astype(str)

如果您需要除几列以外的所有内容作为字符串/对象，然后返回并将其他列转换为所需的内容（在这种情况下为整数），则这很有用：

 df[["D", "E"]] = df[["D", "E"]].astype(int) 

这是另一个，对于 将多列转换为字符串而不是单列特别有用：

In [76]: import numpy as np
In [77]: import pandas as pd
In [78]: df = pd.DataFrame({
    ...:     'A': [20, 30.0, np.nan],
    ...:     'B': ["a45a", "a3", "b1"],
    ...:     'C': [10, 5, np.nan]})
    ...: 

In [79]: df.dtypes ## Current datatype
Out[79]: 
A    float64
B     object
C    float64
dtype: object

## Multiple columns string conversion
In [80]: df[["A", "C"]] = df[["A", "C"]].astype(str) 

In [81]: df.dtypes ## Updated datatype after string conversion
Out[81]: 
A    object
B    object
C    object
dtype: object

使用.astype（str）

例如：

令d为Pandas DataFrame

d['Column_name'].astype(str)

使用.apply()具有lambda转换功能也能在这种情况下：

total_rows['ColumnID'] = total_rows['ColumnID'].apply(lambda x: str(x))

对于整个数据框，您可以使用.applymap()。（但无论如何可能.astype()更快）