str()和astype(str)之间的区别？
str()和astype(str)之间的区别？
提问于 2015-05-07 00:01:30
我想将dataframe保存到.h5文件MainDataFile.h5：
df.to_hdf ("c:/Temp/MainDataFile.h5", "MainData", mode = "w", format = "table", data_columns=['_FirstDayOfPeriod','Category','ChannelId'])并得到以下错误：
*例外:找不到正确的原子类型-> > [dtype->object，items->Index(‘Libellé_条文’，‘Libellé段’，dtype='object')]
如果我以这样的方式修改列'Libellé_Article‘：
df['Libellé_Article'] = str(df['Libellé_Article'])不再存在错误，而在执行以下操作时仍然会收到错误消息：
df['Libellé_Article'] = df['Libellé_Article'].astype(str)问题是使用str()会炸掉我的内存。
知道吗？
回答 2
Stack Overflow用户
回答已采纳
发布于 2015-05-07 02:21:14
str(df['Libellé_Article'])将将整个列的内容转换为单个字符串。最后会有一根很大的绳子。这就是炸掉你的RAM的原因
例如
>> df = pd.DataFrame([1,2,3], columns=['A'])
>> df['A']
0 1
1 2
2 3
Name: A, dtype: int64
>> str(df['A'])
'0 1\n1 2\n2 3\nName: A, dtype: int64'
>> df['A'].astype(str)
0 1
1 2
2 3
Name: A, dtype: object因此，如果要将整个列转换为字符串，则应仅使用.astype(str)。
Stack Overflow用户
发布于 2022-03-10 00:27:10
- 这里的区别是，
.astype(str)是Pandas系列的方法，str()是函数。 - 这就是为什么：
.astype(str)将在系列上工作，而不是在int上工作，而str()将同时处理这两个方面。
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/30095172
复制
相似问题
将ids ->项转换为{id} ->项
将列表中的重复项转换为唯一项
将文件转换为包含重复项的字典
将数组中的重复项转换为唯一项，而不删除Javascript中的任何项
获取重复项的和作为IDS的数组
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
