str() 和 astype(str) 之间的区别？

Question

我想将数据帧 df 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'])

并出现以下错误：

*** Exception: cannot find the correct atom type -> > [dtype->object,items->Index(['Libellé_Article', 'Libellé_segment'], dtype='object')]

如果我以这种方式修改列 'Libellé_Article'：

df['Libellé_Article'] = str(df['Libellé_Article'])

没有错误了，而我在执行时仍然收到错误消息：

df['Libellé_Article'] = df['Libellé_Article'].astype(str)

问题是使用 str() 会炸毁我的 ram。

有什么想法吗？

Answer 1

str(df['Libellé_Article']) 会将整个列的内容转换为单个字符串。它最终会得到一个非常大的字符串。这就是炸毁 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类型，则应仅使用 .astype(str)

Answer 2

这里的区别是 .astype(str) 是一个 Pandas 系列的方法，而 str() 是一个函数。
这就是为什么： .astype(str) 将适用于 series 而不是 int 而 str() 两者都适用。

str() 和 astype(str) 之间的区别？

Difference between str() and astype(str)?

string

hdf5

python-3.x

pandas