为什么pandas字符串系列为len()函数返回NaN？

Question

我正在使用Pandas中的功耗数据集,其中包含邮政编码作为列,但此列的数据类型是原始CSV文件中的整数.我想将此列更改为字符串/对象数据类型,这是我到目前为止所做的:

df = pd.read_csv('...kWh_consumption_by_ZIP.csv')
df.head()

结果数据框头如下所示:

如上所述,当我检查时df.dtypes,我看到ZIP被列为int64数据类型,因此我运行以下代码来覆盖现有系列并将其更改为对象数据类型:

df['ZIP'] = df.ZIP.astype(object)

当我检查df.ZIP系列时,一切看起来都很好(至少,肉眼看起来很好):

但是当我使用len函数检查系列中每行的长度时:

df.ZIP.str.len()

...结果系列只返回每行的NaN(见下面的截图).

有谁知道为什么会发生这种情况？在此先感谢您的帮助.

Answer 1

TL; DR

你有一个整数列,并且对象没有解决你的问题.相反,强加给str你,你应该是好的.

df.ZIP.astype(str).str.len()

出于某种原因,熊猫支持str上存取object列.因为object列可以包含任何对象,并且pandas不做任何假设.如果对象是字符串或任何有效容器,则返回有效结果.否则,NaN.

这是一个例子:

x = [{'a': 1}, 'abcde', None, 123, 45, [1, 2, 3, 4]]
y = pd.Series(x)

y

0        {'a': 1}
1           abcde
2            None
3             123
4              45
5    [1, 2, 3, 4]
dtype: object

y.str.len()
Out[741]: 
0    1.0
1    5.0
2    NaN
3    NaN
4    NaN
5    4.0
dtype: float64

对比:

y = pd.Series([1, 2, 3, 4, 5])
y

0    1
1    2
2    3
3    4
4    5
dtype: int64

y.dtype
dtype('int64')

y.str.len()
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
<ipython-input-744-acc1c109a4a4> in <module>()
----> 1 y.str.len()

y.astype(object).str.len()

0   NaN
1   NaN
2   NaN
3   NaN
4   NaN
dtype: float64