Python 熊猫对象索引可以是string或int，如何区分它们？

我有两个熊猫数据帧，每个数据帧都有一个带有dtype

object

的索引，在这两个数据帧中我都可以看到值

533

。但是，当我加入它们时，结果是空的，因为其中一个是数字

533

，另一个是字符串

“533”

我已经找到了一个非常麻烦的方法来提前知道，这是不匹配的。我尝试

df.loc[“533”]

和

df.loc[533]

并等待看哪一个会失败

---

一定有更好的方法，对吧？

区分它们的最好方法是使用索引对象所配备的“is_类型”方法。这使您可以推断索引所包含的值的类型，从而推断加入/重新索引是否会得到预期的结果

# String index
df1 = pd.DataFrame({'A': [1, 2, 3]}, index = ["1", "2", "3"])

# Int index
df2 = pd.DataFrame({'A': [1, 2, 3]}, index = [1, 2, 3])

# Convert string index to integers:
df1.index = df1.index.astype(int)

# Convert integer index to strings:
df2.index = df2.index.astype(str)

另一种方法可能是直接检查索引的

dtype

，但在比较（例如）int类型索引和仅包含整数的对象类型索引时，这会给出假阴性结果

下面是一个示例，其中有四个索引对象来突出显示“is_type”方法：

您的问题主要涉及检查索引是否包含字符串或整数。在这种情况下，您可以使用

is\u integer（）

：

由于

idx2

至少包含一个字符串，因此检查返回

False

。因此，您知道连接/重新索引像

idx1

这样的整数索引是行不通的

但是，对于仅包含整数的对象数据类型索引，相同的检查将返回

True

（因此将成功地与

idx1

合并/重新编制索引）：

另一个有用的检查是

is_mixed（）

，它允许您检查索引（带有对象数据类型）是否包含不同类型的混合：

>>> idx3.is_mixed()
True

---

所有

索引

对象的可用类型推断方法如下，以供参考：

is_all_dates
is_boolean
is_categorical
is_floating
is_integer
is_mixed
is_numeric
is_object

---

您是否尝试过先遍历数据帧并显式转换它们？（我假设它们都是数字）你可以使用int或str强制它们都是一个或另一个。你想让它们匹配（通过强制转换为普通类型），还是只想检查它们的类型以确定它们不匹配？@ajcr-我更希望在我强制转换之前知道它们不匹配

>>> idx4.is_integer()
True

>>> idx3.is_mixed()
True

is_all_dates
is_boolean
is_categorical
is_floating
is_integer
is_mixed
is_numeric
is_object