pandas：将 int Series 转换为新的 StringDtype

Question

我正在尝试将UInt8 pandas 系列转换为新的StringDtype。

我可以执行以下操作，在 this question 中介绍，它早于新的 string dtype：

import pandas as pd
int_series = pd.Series(range(20), dtype="UInt8")
obj_series = int_series.apply(str)

这给了我一系列包含字符串的 Object dtype。

但如果我尝试将系列转换为新的 string dtype，我会收到错误：

>>> string_series = int_series.astype("string")
...
TypeError: data type not understood

请注意，首先将系列转换为Object，然后再转换为string dtype：

int_series.apply(str).astype("string")

如何将 int 系列直接转换为字符串？

我在 Python 3.7.6 上使用 pandas 1.0.3 版

---

更新：我在 pandas Github 页面中找到了this open issue，它描述了完全相同的问题。

上述问题中的一条评论指向another open issue，它涵盖了在不同 ExtensionArray 类型之间进行转换的所需但当前不可用的功能。

所以答案是现在无法进行直接转换，但将来可能会。

Answer 1

使用 numpy.string_

string_series = int_series.astype(np.string_)

Answer 2

这在docs 的示例部分中进行了解释：

与对象 dtype 数组不同，StringArray 不允许非字符串值

下面的例子显示在哪里：

pd.array(['1', 1], dtype="string")

Traceback（最近一次调用最后一次）： ... ValueError: StringArray 需要一个 object-dtype ndarray 字符串。

唯一的解决方案似乎是像你正在做的那样转换为Object dtype，然后然后转换为字符串。

source code of StringArray 中也明确说明了这一点，您会在顶部看到警告：

   .. warning::
       Currently, this expects an object-dtype ndarray
       where the elements are Python strings or :attr:`pandas.NA`.
       This may change without warning in the future. Use
       :meth:`pandas.array` with ``dtype="string"`` for a stable way of
       creating a `StringArray` from any sequence.

如果您检查_validate 中的验证步骤，您将看到非字符串数组将如何失败：

def _validate(self):
    """Validate that we only store NA or strings."""
    if len(self._ndarray) and not lib.is_string_array(self._ndarray, skipna=True):
        raise ValueError("StringArray requires a sequence of strings or pandas.NA")
    if self._ndarray.dtype != "object":
        raise ValueError(
            "StringArray requires a sequence of strings or pandas.NA. Got "
            f"'{self._ndarray.dtype}' dtype instead."
        )

对于问题中的示例：

from pandas._libs import lib

lib.is_string_array(np.array(range(20)), skipna=True)
# False