我有一些专栏 ['a', 'b', 'c', etc.] ( a 和 c 是 float64 而 b 是 object )
我想将所有列转换为字符串并保留 nan s。
尝试使用 df[['a', 'b', 'c']] == df[['a', 'b', 'c']].astype(str)但这为 float64 留下了空白列。
目前我正在一一处理以下内容:
df['a'] = df['a'].apply(str)
df['a'] = df['a'].replace('nan', np.nan)
是最好的使用方式
.astype(str)然后替换 ''与 np.nan ?附带问题:.astype(str) 之间有区别吗？和 .apply(str) ?样本输入: (数据类型:a=float64，b=object，c=float64)
a, b, c, etc.
23, 'a42', 142, etc.
51, '3', 12, etc.
NaN, NaN, NaN, etc.
24, 'a1', NaN, etc.
所需输出: (dtypes: a=object, b=object, c=object)
a, b, c, etc.
'23', 'a42', '142', etc.
'51', 'a3', '12', etc.
NaN, NaN, NaN, etc.
'24', 'a1', NaN, etc.
最佳答案
这为您提供了列名列表
lst = list(df)
这会将所有列转换为字符串类型
df[lst] = df[lst].astype(str)
关于string - Pandas :将多列转换为字符串，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/37035182/