数据框中的 .map(str) 和 .astype(str) 有什么区别

Question

我有一个列名 col1 和 col2 的整数类型条目的数据框。我想将 col1 的条目与 col2 以及中间的“.”（点）连接起来。我搜索并发现要添加两个列条目：

df['col'] = df['col1'].map(str) + df['col2'].map(str)

并添加一个点：

df['col'] = df['col1'].astype(str) + '.'

但我想要这样的东西

df['col'] = each entries of df['col1'] + '.' + each entries of df['col2']

.map(str) 和 .astype(str) 之间有什么区别。这适合我的情况。

Answer 1

map将获取原始列表的每个元素并应用函数或 lambda 表达式。在这种紧凑的形式中，您的函数是str(). 它有更多的应用程序。例如，您可以编辑返回新列表的每个元素。这是可能的，因为 DataFrame 单元可以转换为字符串。

astype是 DataFrames 的 Pandas 函数（以及 numpy 数组的 numpy 函数），它将对象强制转换为指定类型，因此在这里它几乎没有实际区别，除了它可能性能更高，因为与多次调用相比它只是 1 个操作，并且它是本机的在 Pandas 中定义。时间-它来验证。需要注意的是：astype强制转换和 一样map，会创建一个新对象，而不是改变现有对象。