Pandas 对各种类型的 DataFrame 列求和

Question

我正在尝试连接 Pandas DataFrame 的两列：

df = pd.DataFrame({'A': [2, 1, 3, 4], 'B': ['a', 'b', 'c', 'd']})

（格式化）：

尝试 sum([df[column] for column in df]) 不起作用，显然是因为您无法将添加整数（第 A 列）映射到字符串（第 B 列）。

所以我添加了以下行：

for column in df1:
    df1[column] = df1[column].apply(str)

为了确保字符串转换正常工作，我添加了以下语句：

print([df[column].apply(type) for column in df])

产生

In : print([df[column].apply(type) for column in df])

Out:
[0    <class 'str'>
1    <class 'str'>
2    <class 'str'>
3    <class 'str'>
Name: A, dtype: object, 0    <class 'str'>
1    <class 'str'>
2    <class 'str'>
3    <class 'str'>
Name: B, dtype: object]

但是仍然，当我运行 sum([df[column] for column in df])时我得到错误TypeError: unsupported operand type(s) for +: 'int' and 'str'。

这是怎么回事？

Answer 1

IIUC，您可以像这样连接您的列：

df.astype(str).sum(axis=1)

0    2a
1    1b
2    3c
3    4d
dtype: object

这会将所有列转换为类型 str (df.astype(str))，然后使用 sum 按行连接 (axis=1)

Answer 2

使用

In [99]: df.A.astype(str) + df.B
Out[99]:
0    2a
1    1b
2    3c
3    4d
dtype: object

备选方案，使用 apply，这可能会很慢。

In [106]: df.apply(lambda x: '{A}{B}'.format(**x), axis=1)
Out[106]:
0    2a
1    1b
2    3c
3    4d
dtype: object

有一个很好的选择 format_map

In [124]: df.apply('{A}{B}'.format_map, axis=1)
Out[124]:
0    2a
1    1b
2    3c
3    4d
dtype: object

Answer 3

如果您对性能感兴趣，请使用 f-strings 和列表理解。

pd.Series([f'{i}{j}' for i,j in zip(df.A, df.B)])

0    2a
1    1b
2    3c
3    4d
dtype: object

由于 pandas 处理字符串的效率低下，相对而言，这将是一个非常快速的选择。

Pandas 对各种类型的 DataFrame 列求和

Pandas Sum DataFrame Columns of various types

python

tostring

python-3.x

pandas