Преобразование столбцов в строку в Pandas

У меня есть следующий DataFrame из SQL-запроса:

(Pdb) pp total_rows
     ColumnID  RespondentCount
0          -1                2
1  3030096843                1
2  3030096845                1

и я хочу сделать это так:

total_data = total_rows.pivot_table(cols=['ColumnID'])

(Pdb) pp total_data
ColumnID         -1            3030096843   3030096845
RespondentCount            2            1            1

[1 rows x 3 columns]


total_rows.pivot_table(cols=['ColumnID']).to_dict('records')[0]

{3030096843: 1, 3030096845: 1, -1: 2}

но я хочу убедиться, что столбцы 303 выставляются как строки вместо целых чисел, поэтому я получаю следующее:

{'3030096843': 1, '3030096845': 1, -1: 2}

Ответ 1

Одним из способов преобразования в строку является использование astype:

total_rows['ColumnID'] = total_rows['ColumnID'].astype(str)

Однако, возможно, вы ищете функцию to_json, которая преобразует ключи в действительные json (и, следовательно, ваши ключи к строкам)

In [11]: df = pd.DataFrame([['A', 2], ['A', 4], ['B', 6]])

In [12]: df.to_json()
Out[12]: '{"0":{"0":"A","1":"A","2":"B"},"1":{"0":2,"1":4,"2":6}}'

In [13]: df[0].to_json()
Out[13]: '{"0":"A","1":"A","2":"B"}'

Примечание: вы можете передать буфер/файл, чтобы сохранить его, а также некоторые другие параметры...

Ответ 2

Здесь другая, , особенно полезная для , преобразует несколько столбцов в строку вместо одного столбца:

In [76]: import numpy as np
In [77]: import pandas as pd
In [78]: df = pd.DataFrame({
    ...:     'A': [20, 30.0, np.nan],
    ...:     'B': ["a45a", "a3", "b1"],
    ...:     'C': [10, 5, np.nan]})
    ...: 

In [79]: df.dtypes ## Current datatype
Out[79]: 
A    float64
B     object
C    float64
dtype: object

## Multiple columns string conversion
In [80]: df[["A", "C"]] = df[["A", "C"]].astype(str) 

In [81]: df.dtypes ## Updated datatype after string conversion
Out[81]: 
A    object
B    object
C    object
dtype: object