Python 熊猫：如何识别具有dtype对象但具有混合类型项的列？

在数据帧中，dtype=object的列实际上可以包含混合类型的项，例如整数和字符串

在本例中，列a是dtype对象，但第一项是字符串，而所有其他项都是int：

import numpy as np, pandas as pd
df=pd.DataFrame()
df['a']=np.arange(0,9)
df.iloc[0,0]='test'
print(df.dtypes)
print(type(df.iloc[0,0]))
print(type(df.iloc[1,0]))

我的问题是：有没有一种快速的方法来识别哪些dtype=object的列实际上包含了上述混合类型？因为pandas没有dtype=str，这一点并不明显

但是，我遇到过这样的情况：如果将一个大型csv文件导入pandas，我会收到如下警告：

sys:1: DtypeWarning: Columns (15,16) have mixed types. Specify dtype option on import or set low_memory=False

是否有一种简单的方法可以复制该属性并显式列出混合类型的列？或者我必须手动逐个检查它们，看看是否可以将它们转换为字符串，等等

背景是我正在尝试使用dataframe.to_SQL和SQLAlchemy将数据帧导出到Microsoft SQL Server。我得到一份工作

OverflowError: int too big to convert

---

但是我的数据帧不包含dtype int-only object和float64的列。我猜这是因为其中一个对象列必须同时包含字符串和整数。

Setup

df = pd.DataFrame(np.ones((3, 3)), columns=list('WXY')).assign(Z='c')
df.iloc[0, 0] = 'a'
df.iloc[1, 2] = 'b'

df

   W    X  Y  Z
0  a  1.0  1  c
1  1  1.0  b  c
2  1  1.0  1  c

---

解决方案
查找所有类型并计算每列有多少个唯一的类型

df.loc[:, df.applymap(type).nunique().gt(1)]

   W  Y
0  a  1
1  1  b
2  1  1

---

调用

df.to_sql（…）

时只需使用

dtype

参数，这意味着传递一个将列名映射到数据类型的字典，即将所有对象列映射到字符串。两个疑问：1）在出口之前，它似乎与大熊猫自身转化为str并没有太大区别。2） 对象列还可以包含哪些内容（我不想将其转换为字符串）？我想是约会吧？我不明白有什么问题。SQL DB中不能有混合数据类型（一列），因此您可以自己强制转换值，也可以隐式转换值…piRSquared为您提供了一种识别它们的方法，但是在我看来，指定正确的数据类型比扫描整个DF来查找混合的数据类型要有效得多。我担心您无论如何都必须这样做（假设这些表至少有一个string/varchar列），因为：，。只是想一想，这并不能区分包含所有字符串的列和一些NaN（它们是浮动的），还有一个包含字符串和整数，我真想知道，如果熊猫在处理缺失值方面做得如此糟糕，人们怎么能把它用于数据科学呢！这就像在说“如果在控制出血方面做得这么差，我想知道为什么外科医生会使用手术刀。”不，没有任何关联。价值缺失是生活中的一个事实。处理这些问题对熊猫来说是非常痛苦的，因为在其他工具（如任何数据库）中，同样简单自然的任务需要你经历很多困难。请注意，这并不是熊猫开发者明确决定的结果，而是熊猫是在numpy之上建造的。为什么熊猫群比会移除南？为什么一列整数或字符串不能有空值？为什么空值只能是浮点数？请有人解释一下为什么这一切都有意义@Pythonistaanonymous在pandas中实际上有两种类型的空值：

float（'nan'）

，和本机python

None

<但是，code>None只能与对象数据类型一起使用。