Python str和对象类型之间的区别

Numpy似乎区分了

str

和

object

类型。例如，我可以做：

>>> import pandas as pd
>>> import numpy as np
>>> np.dtype(str)
dtype('S')
>>> np.dtype(object)
dtype('O')

其中，dtype（'S'）和dtype（'O'）分别对应于

str

和

object

然而，熊猫似乎缺乏这种区别，并强迫

str

到

object

：

>>> df = pd.DataFrame({'a': np.arange(5)})
>>> df.a.dtype
dtype('int64')
>>> df.a.astype(str).dtype
dtype('O')
>>> df.a.astype(object).dtype
dtype('O')

将类型强制为

dtype（'S'）

也没有帮助：

>>> df.a.astype(np.dtype(str)).dtype
dtype('O')
>>> df.a.astype(np.dtype('S')).dtype
dtype('O')

---

对这种行为有什么解释吗

Numpy的字符串数据类型不是python字符串

因此，

pandas

故意使用本机python字符串，这需要对象数据类型

首先，让我演示一下numpy的字符串不同的含义：

In [1]: import numpy as np
In [2]: x = np.array(['Testing', 'a', 'string'], dtype='|S7')
In [3]: y = np.array(['Testing', 'a', 'string'], dtype=object)

现在，“x”是一个

numpy

stringdtype（固定宽度，类似c的字符串），而

y

是一个本机python字符串数组

如果我们尝试超过7个字符，我们将看到一个直接的区别。字符串数据类型版本将被截断：

In [4]: x[1] = 'a really really really long'
In [5]: x
Out[5]:
array(['Testing', 'a reall', 'string'],
      dtype='|S7')

虽然对象数据类型版本可以是任意长度：

In [6]: y[1] = 'a really really really long'

In [7]: y
Out[7]: array(['Testing', 'a really really really long', 'string'], dtype=object)

其次，

|S

dtype字符串不能正确保存unicode，尽管也有一个unicode固定长度字符串dtype。我暂时跳过一个例子

最后，numpy的字符串实际上是可变的，而Python字符串则不是。例如：

In [8]: z = x.view(np.uint8)
In [9]: z += 1
In [10]: x
Out[10]:
array(['Uftujoh', 'b!sfbmm', 'tusjoh\x01'],
      dtype='|S7')

---

出于所有这些原因，

pandas

选择永远不允许类似C的固定长度字符串作为数据类型。正如您所注意到的，在

pandas

中，试图将python字符串强制转换为fixed with numpy字符串是行不通的。相反，它总是使用本机python字符串，对大多数用户来说，这些字符串的行为更加直观。

作为一个非常简短的解释，这并不是一个完整的答案：如果在

numpy

中使用字符串数据类型，它基本上是一个固定宽度的c型字符串。在

pandas

中，它们是“普通”python字符串，因此是对象类型。这可能解决了您的问题-基本上它们存储对象ndarray，而不是ndarray中的字符串。然而，我确实支持在区分类型时，它们可以更加清晰——例如，能够区分“str”和“混合”列（也报告为“O”）。事实上，pandas确实允许类似numpy的固定长度字节字符串，尽管它们很少使用，例如，

pd.Series（['a'，'b'，'c']，dtype='S1'））

@mdurant Pandas将接受该语句作为有效语句，但数据类型将从“S1”更改为“O”（对象）。这以前是可能的，也许不再可能了。