StringDtype 对象与 Python Pandas 中的对象 dtype 有何不同？

Pandas不仅可以包含文本数据作为对象，还可以包含Pandas不理解的任何其他数据。这意味着，如果您说某列何时是Objectdtype，并不意味着该列中的所有值都是字符串或文本数据。事实上，它们可能是数字，也可能是字符串、整数和浮点数类型的混合。因此，由于这种不兼容，我们不能直接对该列进行任何字符串操作。

由于这个问题，pandas1.0版本引入了stringdtype，但是我们需要明确定义它。

查看一些示例以了解StringDtype和objectdtype的不同之处。

示例

list_ = [python,90, string,2] #分配一个列表 ds = pd.Series(list_) #创建一个系列 print(ds) #印刷系列 print() print(type(ds[1])) # display type of 2nd element from dataSeries

解释

上面的代码创建了一个包含3个元素列表的Pandas系列，这些元素有字符串和整数。在最后一行，我们尝试获取第二个元素的数据类型。

输出结果

0 python 1 90 2 string 3 2 dtype: object <class int>

我们可以清楚地看到dsSeries的dtype是一个对象，但是如果您尝试获取第二个元素的类型，它将以整数形式返回输出，而不是对象或字符串。因此得出结论，dtype对象不仅仅存储文本数据，它是所有数据的混合。

示例

这里显式定义到pandas系列方法的dtype参数。pd.StringDtype()

list_ = [python,90, string] ds = pd.Series(list_, dtype=pd.StringDtype()) print(ds) print() print(type(ds[1]))

解释

在此示例中，我们通过将dtype参数值分配为字符串来更改系列的默认dtype。我们再次尝试显示系列ds中的第二个元素的类型。

输出结果

0 python 1 90 2 string dtype: string <class str>

系列ds的输出dtype是一个字符串，该ds的第二个元素的类型也是一个字符串。所以我们可以理解，dtypeStringDtype会改变所有数据的类型。

通过将StringDtype定义为文本数据，不会对执行字符串操作造成任何困难。这就是推荐使用StringDtype来存储所有文本数据的原因。