Python 从对象或str转换为类别时，为什么数据类型不同？

为什么在将列转换为熊猫中的类别时，我会收到两种不同的行为

作为一个例子，假设我创建了一个带有

>>> import pandas as pd
>>> import numpy as np
>>> pd.__version__
u'0.22.0'
>>> np.__version__
'1.14.0'
>>> df = pd.DataFrame(columns=['nombre'], data=[1,2,3,4])

现在，我将我的列转换为对象：

>>> df['nombre'] = df['nombre'].astype('object')
>>> print(df['nombre'].dtype)
object

数据类型现在是对象

>>> df['nombre'] = df['nombre'].astype('category')
>>> print(df['nombre'].cat.categories.dtype.name)
int64

转换为类别后，内部数据类型为int64

让我们从一个新的数据帧开始

>>> del df
>>> df = pd.DataFrame(columns=['nombre'], data=[1,2,3,4])

这次，我们将内部列转换为“str”

>>> df['nombre'] = df['nombre'].astype('str')
>>> print(df['nombre'].dtype)
object

内部表示是一个对象。这是有道理的，因为我们转换为“str”

>>> df['nombre'] = df['nombre'].astype('category')
>>> print(df['nombre'].cat.categories.dtype.name)
object

转换为类别后，内部数据类型现在是object，这与我们之前收到的int64不同

因此，我的问题是，为什么从对象数据类型转换为类别时会收到两种不同的行为？

。astypeobject不会将数字转换为字符串。它将数字转换为示例中相应的Python对象，将numpy.int64转换为Python int

比如说,

df = pd.DataFrame(columns=['nombre'], data=[1,2,3,4])

type(df['nombre'][0])
Out[64]: numpy.int64


df['nombre'] = df['nombre'].astype('object')

type(df['nombre'][0])
Out[66]: int

但当您使用astypestr时，它会将所有内容转换为字符串。执行此操作时，它还将序列转换为对象序列。这是因为这是唯一可以保存字符串的数据类型

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

type(df['nombre'][0])
Out[69]: str

所以这只是和你的输入数据有关。在第一个传递int的数组中，得到一个整数数组。在第二次传递字符串时，将得到一个对象数组

此外，术语“内部数据类型”在这里可能不合适。这是包含类别的系列的数据类型；不是他们的代码。在这两个示例中，df['nombre'].cat.codes是内部表示，其数据类型为int8