小编mhe*_*zog的帖子

我正在尝试将 Pandas 数据框导出到 Excel，其中所有列均为文本格式。默认情况下，pandas.to_excel() 函数让 Excel 决定数据类型。导出包含 [1,2,'w'] 的列会导致包含 1 和 2 的单元格为数字，包含 'w' 的单元格为文本。我希望该列中的所有行都是文本（即 ['1','2','w']）。

我能够通过使用 .astype(str) 将我需要的列分配为文本来解决问题。但是，如果数据很大，我担心会遇到性能问题。如果我理解正确， df[col] = df[col].astype(str) 会复制数据，这效率不高。

import pandas as pd

df = pd.DataFrame({'a':[1,2,'w'], 'b':['x','y','z']})

df['a'] = df['a'].astype(str)

df.to_excel(r'c:\tmp\test.xlsx')

有没有更有效的方法来做到这一点？

我搜索了好几次，但没有看到任何关于此的内容。如果之前已经回答过这个问题，请原谅我。这是我的第一篇文章，我很高兴参加这个很酷的论坛。

编辑：感谢我收到的评论，我看到Converting a series of ints to strings - Why is apply 比 astype 快得​​多？为我提供了 astype(str) 的其他选项。这真的很有用。我还想知道 astype(str) 是否效率低下，因为它复制了数据，但我现在发现它没有。

我已使用默认设置创建了 AWS EMR 集群和笔记本。

当我打开笔记本时，内核不会启动。我收到消息“工作区未附加到集群”。

• 集群处于“就绪”状态。
• 所有内核均无法工作（Python、Spark、PySpark）。
• 使用 Jupyter Labs 或 Jupyter 都会发生该错误。
• 我切换到另一个从未运行过 EMR 的 AWS 账户并创建了一个笔记本。我请求创建一个集群。AWS启动了一个集群，但当我启动笔记本时出现了同样的错误。

线索

我查看了笔记本发生故障的集群创建的日志文件。

在日志文件中https://aws-logs-***.s3.amazonaws.com/elasticmapreduce/j-3SOK08VFSQDPO/node/i-04af0a3d2d6d96cac/daemons/emr-on-cluster-env/gateway.log.gz，我发现以下内容：

Jupyter Enterprise Gateway 2.1.0 is available at http://127.0.0.1:9547
User 'root' is not authorized to start kernel 'Python 3'. Ensure KERNEL_USERNAME is set to an appropriate value and retry the request.
User 'root' is not authorized to start kernel 'PySpark'. Ensure KERNEL_USERNAME is set to an appropriate value and retry the request.

我如何让笔记本内核工作

根据 Stackoverflow 帖子Notebooks on …

当我opencv-python-headless在 Google Colab 中安装时，需要 15 分钟才能完成。

我的代码：

! pip install --upgrade pip
! pip install opencv-python-headless

这是一个带有此代码的笔记本，它重现了问题：https : //colab.research.google.com/gist/mherzog01/38b6cf71942a443da072f09bc097387f/slow-install-of-opencv-python-headless.ipynb。

该过程最终完成，但我想减少安装时间。

我从`Building wheel for opencv-python (PEP 517) ... -` 中看到了关于编译 OpenCV 的讨论，这很可能就是这里发生的事情。但是，同样的 SO 帖子指出，如果您升级pip，它将使用预制轮子。

编辑：将 @intsco 的解决方法添加到 Google Colab