熊猫：将系列的数据类型更改为字符串

我将Pandas'ver 0.12.0'与Python 2.7结合使用，并具有如下数据框：

df = pd.DataFrame({'id' : [123,512,'zhub1', 12354.3, 129, 753, 295, 610],
                    'colour': ['black', 'white','white','white',
                            'black', 'black', 'white', 'white'],
                    'shape': ['round', 'triangular', 'triangular','triangular','square',
                                        'triangular','round','triangular']
                    },  columns= ['id','colour', 'shape'])

该id系列由一些整数和字符串组成。它dtype在默认情况下是object。我想将的所有内容转换id为字符串。我试过了astype(str)，产生下面的输出。

df['id'].astype(str)
0    1
1    5
2    z
3    1
4    1
5    7
6    2
7    6

1）如何将的所有元素转换id为String？

2）我最终将id用于为数据帧建立索引。与具有整数索引相比，在数据帧中具有String索引会降低速度吗？

您可以将id的所有元素转换为str使用apply

df.id.apply(str)

0        123
1        512
2      zhub1
3    12354.3
4        129
5        753
6        295
7        610

由OP编辑：

我认为这个问题与Python版本（2.7。）有关，这可行：

df['id'].astype(basestring)
0        123
1        512
2      zhub1
3    12354.3
4        129
5        753
6        295
7        610
Name: id, dtype: object

您必须像这样分配它：

df['id']= df['id'].astype(str)

一个反映最新实践的新答案：从1.0.1版开始，既无效astype('str')也无效astype(str)。

根据文档，可以通过以下方式将Series转换为字符串数据类型：

df['id'] = df['id'].astype("string")

df['id'] = pandas.Series(df['id'], dtype="string")

df['id'] = pandas.Series(df['id'], dtype=pandas.StringDtype)

就我个人而言，以上都不对我有用。做了什么：

new_str = [str(x) for x in old_obj][0]

您可以使用：

df.loc[:,'id'] = df.loc[:, 'id'].astype(str)

这就是为什么他们推荐此解决方案的原因： Pandas doc

TD; LR

反映一些答案：

df['id'] = df['id'].astype("string")

这将破坏给定的示例，因为它将尝试转换为无法处理“字符串”中任何数字的StringArray。

df['id']= df['id'].astype(str)

对我来说，这种解决方案会发出一些警告：

> SettingWithCopyWarning:  
> A value is trying to be set on a copy of a
> slice from a DataFrame. Try using .loc[row_indexer,col_indexer] = value instead

通过将其首先转换为对象可以轻松解决您的问题。将其转换为对象后，只需使用“ astype”将其转换为str。

obj = lambda x:x[1:]
df['id']=df['id'].apply(obj).astype('str')

对我来说，它起作用了：

 df['id'].convert_dtypes()

请参阅此处的文档：

https://pandas.pydata.org/pandas-docs/stable/reference/api/pandas.DataFrame.convert_dtypes.html