Python 在执行数据帧操作之前，我可以转换数据类型吗？

假设我有一个包含多个数据类型的pandas数据帧，并且我想添加来自另一个可能具有其他类型的数据的数据。例如，在连接数据帧时，是否有一种简单的方法来转换类型或引发错误

将熊猫作为pd导入
old=pd.DataFrame（{'one'：[1,2,3]，'two'：[100200300]}）.aType（{'one'：'int8'，'two'：'Int16'}）
new=pd.DataFrame（{'one'：['11'、'22'、'33']、'two'：['110'、'220'、'330']}）
（old.dtypes==new.dtypes）.all（）#False
#此时，一个普通的pd.concat（[old，new]）将导致
#两列。我想要像这样的东西
结果=强制_concat（[旧的，新的]）
（old.dtypes==result.dtypes）.all（）#True
（result.dtypes==new.dtypes）.all（）#False
#当无法强制类型时，它应该会引发错误
奇数=pd.DataFrame（{'one'：['eleventen'，'22'，'33']，'two'：['110'，'220'，'330']））
结果=强制_concat（[旧，奇]）#错误

在读取文件或通过传递参数创建数据帧期间，有一种方法可以将每一列数据视为字符串类型

dtype=str

这会将空值的NaN更改为“NULL”

下面是一个代码片段，它将所有数据类型更改为字符串

df\u read=pd.read\u csv（savefile，dtype=str）

也许你可以通过这个类似的问题问。此外，这种行为在您使用的熊猫版本中变化不大。在较新版本中，代码片段可以正常工作

我在下面稍微修改了你的代码

import pandas as pd

old = pd.DataFrame({'one':[1,2,3],'two':[100,200,300]}, dtype=str)
new = pd.DataFrame({'one':['11','22','33'],'two':['110','220','330']}, dtype=str)

print((old.dtypes == new.dtypes).all()) # This will return True as all data types are string now

尝试：

现在，如果您打印

new.dtypes

，您将得到：

one     int8
two    int16
dtype: object

---

使用

astype（）

方法：

pd.concat（[new.astype（int），old]）

new检查示例数据帧的数据类型

new.astype（dict（zip（new.columns，old.dtypes.values））

为我引发了一个错误。我不想要通用的

int

，我需要类型相同。谢谢您的输入！不幸的是，我有一个具有多种类型的数据帧，所以我不能在这里以这种方式使用

dtype

关键字。此外，您可以看到此处的

新建

框架已经具有

对象

类型。我的目标是保持原始数据帧不变，并转换新数据帧。@shortorian cool…我会被诅咒的。我没有想到pandas可以强制使用numpy整数，但不能强制使用pandas整数。您不能将

字符串直接转换为
'Int16'（pandas.Int8Dtype）
，但您可以将
'Int16'（numpy.int8）
直接转换为
'Int16'（pandas.Int8Dtype）
这非常有用，所以如果您想要完全相同的数据类型，那么首先执行
new=new.astype（dict（zip（new.columns，old.dtypes.astype（str.str.lower（）.values））
然后执行
new=new.astype（dict（zip（new.columns，old.dtypes.values））
one     int8
two    int16
dtype: object