我使用panda读入两个数据集，并重新分配每个数据集的value列，一个数据集是csv，加载了pd.read_csv()，另一个数据集是xlsx，加载了来自sxl库的Workbook.sheets()。
在重新赋值之前，两个value列都是string数据类型（用df.dtypes检查）。
df["value"] = df["value"].replace({"A": 0, "B": 1})对于csv中的数据，此行将出错
ValueError: Cannot set non-string value '0' into a StringArray.我得到了类似的错误
ValueError: Cannot set non-string value 'True' into a StringArray当我尝试将字符串类型的列重新分配为True/False时。当我在Excel文档中的数据的值列上运行同一行时，没有错误。
我可以通过在用.astype('object')重新赋值之前强制转换值来修复这个错误，但我不确定为什么会这样--两个 Dataframe 中的value都是字符串类型。
我的同事没有得到这个错误，所以可能不需要创可贴，我运行的是Python 3.9.4、panda 1.5.3和numpy 1.22.0。
1条答案
按热度按时间j5fpnvbx1#
长话短说，
"value"列的dtype是'string'，它是一个extension dtype for string data，也可以为空，这意味着该列中的值可以是字符串或NaN，当您试图将该列中的值替换为整数（"A" -> 0和"B" -> 1）时，会引发错误，因为该列中的值不能为整数。下面的代码将重现此错误：
如果替换值是字符串，则不会出现错误，即以下内容不会引发任何错误：
为什么
dtype=object没有引发任何错误？Pandas对象dtype可以保存任何Python对象，换句话说，任何东西都可以放在对象dtype的列中。Python对象，如整数、字符串、浮点数、甚至列表、字典等，都可以存储在
object列中。因此，在这样的列中，用整数替换字符串是没有问题的。但是，在这种情况下，列变成了混合列。要查看
'value'列中作为Python对象的值，请对该列调用tolist()。注意
dtype=str也将列dtype转换为object（但值实际上是字符串），因此如果列dtype使用astype(str)进行更改，则其值也可以替换为整数。