Python 无强制转换的单行索引
对包含对象(字符串)的数据帧的单行进行索引将返回类型为object的序列Python 无强制转换的单行索引,python,pandas,dataframe,indexing,Python,Pandas,Dataframe,Indexing,对包含对象(字符串)的数据帧的单行进行索引将返回类型为object的序列 df1 = pd.DataFrame({'a': np.arange(3), 'b': np.arange(0.5,3),'c': list('def')}) df1 a b c 0 0 0.5 d 1 1 1.5 e 2 2 2.5 f df1.loc[0] a 0 b 0.5 c d Name: 0, dtype: object 索引不包含对象(字符串)的
df1 = pd.DataFrame({'a': np.arange(3), 'b': np.arange(0.5,3),'c': list('def')})
df1
a b c
0 0 0.5 d
1 1 1.5 e
2 2 2.5 f
df1.loc[0]
a 0
b 0.5
c d
Name: 0, dtype: object
索引不包含对象(字符串)的数据帧的单行将返回一个系列,该系列将强制转换其值。列a
在数据帧中的类型为int64
。结果序列包含列a
的值作为float64
df2 = pd.DataFrame({'a': np.arange(3), 'b': np.arange(0.5,3)})
df2
a b
0 0 0.5
1 1 1.5
2 2 2.5
df2.loc[0]
a 0.0
b 0.5
Name: 0, dtype: float64
这种行为似乎并不一致,是吗?
如何选择第二个数据帧的一行
df2
,而不将我的int转换为float?当系列中有多个类型
时,pandas将使用对象
来处理它,如果它是float和int,它会将int更改为float
df1.loc[0].map(type)
Out[6]:
a <class 'numpy.int32'>
b <class 'numpy.float64'>
c <class 'str'>
Name: 0, dtype: object
df1.loc[0].映射(类型)
出[6]:
A.
B
C
名称:0,数据类型:对象
根据@Michael在评论中发布的stackoverflow链接,这是一个解决方案:
desired_index = 3
df.astype('O').iloc[desired_index]
我的数据帧很大,将整个数据帧转换为对象需要一段时间。这里有一个更快但更简单的解决方案
df.iloc[[desired_index]].astype('O').iloc[0]
请参阅此处的相关问题:问题是,df2也有不同的类型(int64和float64)。结果系列将我的int64强制转换为float64。@将checkThisOut字符串更改为float不能覆盖它,因此它将转换为object。类型升级到对象