Pandas read_table 将混合类型读取字符串读取为十六进制

Question

我有这个代码：

Link to code and data on GitHub.

col_names = {'age_code':'str', 'los_code':'str', 'race_code':'str'}
injuries = pd.read_table(some_url, dtype=col_names)

los_code、age_code 和 race_code 有另一个包含代码的表。例如race_code 是：

  race_code                          race_text
0      0000                          All races
1      1XXX                White, non-Hispanic
2      2XXX                Black, non-Hispanic
3      3XXX                           Hispanic
4      4XXX          Asian or Pacific Islander
5      5XXX  American Indian or Alaskan Native
6      NRXX                       Not reported

阅读后，所有这三个三列都有NaN条目，除非代码为0000。如果列条目是1XXX 到NRXX 中的任何一个，则条目变为NaN。

由于0000 条目，熊猫似乎将列读取为int，但在读取带有X 的条目后感到困惑（可能会混淆它的十六进制）

如何强制 pandas 将这些条目读取为字符串。

此外，我也得到了错误：

DtypeWarning：列 (1,4,5,6,7,8,9) 具有混合类型。在导入时指定 dtype 选项或设置 low_memory=False。 交互性=交互性，编译器=编译器，结果=结果）

Answer 1

使用'object' 而不是'str'。

col_names = {'age_code':'object', 'los_code':'object', 'race_code':'object'}

考虑使用col_dtypes 之类的名称，而不是col_names 作为变量名。还可以考虑阅读Pandas docs 以找到此类问题的答案。

---

附言。这是一个警告，而不是您遇到的错误。

---

编辑

好的，我查看了您的数据和代码。这是我在简陋的 MS Excel 中打开您的表格时的屏幕截图。你能告诉我 age_code、race_code 和 los_code 的值在哪里吗？因为如果列中没有数据，Pandas 会在那里插入 NaN。另请注意屏幕截图右下角由 Excel 生成的汇总统计信息。平均值 = 0，最小值 = 0，最大值 = 0，总和 = 0，计数 = 410。有 410 个读数，并且全部为零。我选择了感兴趣的三列中的所有行。您正在阅读的表格中缺少数据。

然后，单独读取 age_code、race_code 和 los_code 表似乎没有问题。最后，从警告中获取提示，并在您的 pd.read_table() 中传递 low_memory=False，而不是 dtype=col_names。

我认为您的问题已得到解答，因为缺失值在您的数据中。它们不是由 Pandas 引起的，也不是您的代码的结果。