如何在忽略 NaN 的同时将 Pandas DataFrame 中的所有列转换为“对象”？

Question

我有一个数据框，我希望每一列都是字符串格式。 所以我这样做：

 df = df.astype(str)

问题在于，通过这种方式，所有 NaN 条目都转换为字符串 'nan'。 并且isnull返回false 。 有没有办法转换为字符串但保持空条目原样？

Answer 1

当您执行astype(str) ， astype(str)始终是object ，它是包含混合列的 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，然后将nan替换为实际的NaN （本质上是一个浮点数），允许您使用诸如isnull方法访问它：

df.astype(str).replace('nan',np.nan)

例子：

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)

Answer 2

将您的空值转换为空字符串，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) 

Answer 3

对于系列，您可以仅在不为notnull的部分上使用astype而无需重新替换NaN

df = pd.DataFrame([1, np.nan, 'String'])
df[df.notnull()] = df[df.notnull()].astype(str)

正如评论中所述，对于 DataFrame，您可以使用

df.where(df.isna(), df.astype(str))