python - 如何将 "bytes"对象转换为 pandas Dataframe，Python3.x 中的文字字符串？

Question

我有一个 Python3.x pandas DataFrame，其中某些列是表示为字节的字符串(就像在 Python2.x 中一样)

import pandas as pd
df = pd.DataFrame(...)
df
       COLUMN1         ....
0      b'abcde'        ....
1      b'dog'          ....
2      b'cat1'         ....
3      b'bird1'        ....
4      b'elephant1'    ....

当我使用 df.COLUMN1 按列访问时，我看到 Name: COLUMN1, dtype: object

但是，如果我按元素访问，它是一个“字节”对象

df.COLUMN1.ix[0].dtype
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
AttributeError: 'bytes' object has no attribute 'dtype'

如何将它们转换为“常规”字符串？也就是说，我怎样才能摆脱这个 b'' 前缀？

Answer 1

您可以使用向量化的 str.decode将字节字符串解码为普通字符串:

df['COLUMN1'].str.decode("utf-8")

要对多列执行此操作，您可以只选择 str 列:

str_df = df.select_dtypes([np.object])

全部转换:

str_df = str_df.stack().str.decode('utf-8').unstack()

然后您可以将转换后的列替换为原始的 df 列:

for col in str_df:
    df[col] = str_df[col]