Python 熊猫：有没有一种方法可以在不遇到AttributeError的情况下检查对象是否是要使用的字符串.str访问器？

我正在使用toPandas（）将pyspark数据帧转换为pandas数据帧。但是，由于某些数据类型不对齐，熊猫会将数据帧中的某些列（如十进制字段）强制转换为对象

我想用实际字符串在我的列上运行

.str

，但似乎无法让它工作（没有明确地找到要首先转换的列）。我遇到

AttributeError: Can only use .str accessor with string values!

我尝试了

df.fillna（0）

和

df.infere_objects（）

，但没有成功。我似乎无法将对象注册为int64或float64，因此无法执行此操作

for col in df.columns: 
    if df[col].dtype == np.object:
        insert logic here 

事先

我也不能使用

.str.contains

，因为即使带有数值的列是dtype对象，使用

.str

时也会出错

（作为参考，我试图做的是，如果数据帧中的列实际上有字符串值，请执行

str.split（）

）

有什么想法吗？请注意，我很想在Pandas方面找到答案，而不必事先明确指出哪些列实际上有字符串。一种可能的解决方案是获取

pyspark

端的字符串列列表，并将其作为要运行

.str

方法的列传递

---

编辑：

astype（str）

不起作用b/c某些对象是数组。也就是说，如果我想在“\u”上拆分，并且我在一列中有一个数组[Red\u Apple，Orange]，那么在该列上执行

astype（str）。str.split

将返回[Red，Apple，Orange]，这是没有意义的。我只想拆分字符串列，而不是将数组转换为字符串并拆分它们。

您可以使用

isinstance（）

：

---

您可以使用

isinstance（）

：

---

这里有几个想法：

使用以下命令将列转换为字符串：

df[col\u name].astype（str）.str.split（）

使用检查列类型，并仅对已为类型

对象

的列运行str.split（）

---

这实际上取决于您想如何实现它，但如果您想将该列视为一个

str

，我会选择选项1。

这里有几个想法：

使用以下命令将列转换为字符串：

df[col\u name].astype（str）.str.split（）

使用检查列类型，并仅对已为类型

对象

的列运行str.split（）

---

这实际上取决于您想如何实现它，但是如果您想将该列视为一个

str

，那么我会选择选项1。

希望我的回答是正确的。您可以使用[.选择类型][1]

df = pd.DataFrame({'A':['9','3','7'],'b':['11.0','8.0','9'], 'c':[2,5,9]})#DataFrame
print(df.dtypes)#Check df dtypes


A    object
b    object
c     int64
dtype: object

df2=df.select_dtypes(include='object')#Isolate object dtype columns
df3=df.select_dtypes(exclude='object')#Isolate nonobject dtype columns
df2=df2.astype('float')#Convert object columns to float
res=df3.join(df2)#Rejoin the datframes
res.dtypes#Recheck the dtypes

c      int64
A    float64
b    float64
dtype: object

---

希望我没弄错。您可以使用[.选择类型][1]

df = pd.DataFrame({'A':['9','3','7'],'b':['11.0','8.0','9'], 'c':[2,5,9]})#DataFrame
print(df.dtypes)#Check df dtypes


A    object
b    object
c     int64
dtype: object

df2=df.select_dtypes(include='object')#Isolate object dtype columns
df3=df.select_dtypes(exclude='object')#Isolate nonobject dtype columns
df2=df2.astype('float')#Convert object columns to float
res=df3.join(df2)#Rejoin the datframes
res.dtypes#Recheck the dtypes

c      int64
A    float64
b    float64
dtype: object

---

不确定你在这里试图做什么，但是为什么不把数据用String（）L. Chu串起来？@你编辑了什么？@安森抱歉看起来编辑没有通过，这是对CalbCuttne的回答的回应。@ L.Cu考虑接受一个答案。不确定你在这里尝试做什么，但是为什么不把数据用String（）串到字符串中呢？“L. Chu，你编辑了什么？”安森抱歉看起来编辑没有通过，这是对Calbuttnne的回答。@ L.Cu考虑接受一个答案。1：我在你回答后不久添加了一个编辑：因为某些对象是数组，所以Atype不能工作。也就是说，如果我想在“”上拆分，并且我有一个数组[Red_Apple，Orange]，那么在这个列上执行astype（str）。str.split将返回[Red，Apple，Orange]，这没有意义。两个人。在我的例子中，所有数据类型在从Pyspark转换为pandas df时都是数据帧中的对象，因此这也不起作用。对于1：在您回答后不久，我添加了一个编辑：astype将不起作用，因为某些对象是数组。也就是说，如果我想在“”上拆分，并且我有一个数组[Red_Apple，Orange]，那么在这个列上执行astype（str）。str.split将返回[Red，Apple，Orange]，这没有意义。两个人。在我的例子中，在从Pyspark转换为pandas df时，所有数据类型都是数据帧中的对象，因此这也不起作用。当存在无法转换为float的字符串列时，这也不起作用。例如：'d'：['Apple'、'Pear'、'Tree']将在.astype（'float'）上出错。当存在无法转换为float的字符串列时，这将不起作用。例如：'d'：['Apple'，'Pear'，'Tree']将在.astype（'float'）上出错。