Pandas Sum DataFrame 各种类型的列

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）：

   A  B
0  2  a
1  1  b
2  3  c
3  4  d

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

所以我添加了以下几行：

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

为了确保字符串转换工作正常，我添加了以下语句：

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

哪个产生

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，我收到错误TypeError: unsupported operand type(s) for +: 'int' and 'str'。

发生了什么事？

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 逐行连接 (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

替代方案，使用apply，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

@JonClements 与format_map 有一个不错的选择

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 和列表推导式。

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 处理字符串效率低下，相对而言这将是一个非常快的选择。