将数据帧列与字符串和数字进行比较

object DTYPE系列可以容纳任何内容

问题是 对象 数据类型系列包含 任意的 python对象。在这里,您的序列中有一个字符串,另一个有一个整数:

df = pd.DataFrame({'old_code': ['100000'], 'new_code': [100000]}, dtype=object)

print(df.dtypes)
# new_code    object
# old_code    object
# dtype: object

print(type(df['old_code'].iat[0]))
# <class 'str'>

print(type(df['new_code'].iat[0]))
# <class 'int'>

因此,要始终如一。将两者转换为数字 或 两者都是字符串。

转换为数字

cols = ['old_code', 'new_code']
df[cols] = df[cols].apply(pd.to_numeric)

转换为字符串

df[cols] = df[cols].apply(lambda s: s.astype(str))

不修改数据帧

严格来说,你不会 需要 更新数据帧。为了进行比较,您只能对每个系列进行强制转换:

# numeric comparison
pd.to_numeric(df['old_code']) == pd.to_numeric(df['new_code'])

# string comparison
df['old_code'].astype(str) == df['new_code'].astype(str)

使用numpy怎么样:

转换为int:

>>> import numpy as np
>>> df['old_code'].astype(dtype=np.int64)
0    100000
Name: old_code, dtype: int64

转换为浮动:

>>> df['old_code'].astype(dtype=np.float64)
0    100000.0
Name: old_code, dtype: float64

转换为字符串:

>>> df['old_code'].astype(dtype=np.str)
0    100000
Name: old_code, dtype: object

DataFrame.apply() 可用于 pd.to_numeric

>>> df.apply(pd.to_numeric, errors='coerce')
   old_code  new_code
0    100000    100000