数据帧中的字符串，但数据类型是obj

Question

为什么Pandas告诉我我有对象，尽管所选列中的每个项都是字符串-即使在显式转换之后也是如此。

这是我的数据帧：

<class 'pandas.core.frame.DataFrame'>
Int64Index: 56992 entries, 0 to 56991
Data columns (total 7 columns):
id            56992  non-null values
attr1         56992  non-null values
attr2         56992  non-null values
attr3         56992  non-null values
attr4         56992  non-null values
attr5         56992  non-null values
attr6         56992  non-null values
dtypes: int64(2), object(5)

其中五个是dtype object。我显式地将这些对象转换为字符串：

for c in df.columns:
    if df[c].dtype == object:
        print "convert ", df[c].name, " to string"
        df[c] = df[c].astype(str)

然后，df["attr2"]仍然有dtype object，尽管type(df["attr2"].ix[0]显示了str，这是正确的。

熊猫区分int64和float64和object。当没有dtype str时，它背后的逻辑是什么？为什么str被object覆盖？

Answer 1

dtype对象来自NumPy，它描述ndarray中元素的类型。ndarray中的每个元素的字节大小必须相同。对于int64和float64，它们是8字节。但对于字符串，字符串的长度不是固定的。因此，panda没有直接在ndarray中保存字符串的字节，而是使用object ndarray来保存指向对象的指针，因此这种ndarray的数据类型是object。

下面是一个例子：

• int64数组包含4个int64值。
• 对象数组包含指向3个字符串对象的4个指针。