自动将字符串列推断为字符串

Question

默认情况下，pandas.read_csv() 将使用 dtype 对象读取字符串列。从 pandas 1.0 开始，可以改为将其读取为字符串 dtype。我正在阅读 CSV，其中大多数列都是字符串。我可以告诉 pandas（尝试）默认将所有非数字列作为字符串而不是对象 dtypes 读取吗？

代码：

import pandas
import io

s = """2,e,4,w
3,f,5,x
4,g,6,z"""
df = pandas.read_csv(io.StringIO(s))
print(df.dtypes)
df = pandas.read_csv(
        io.StringIO(s),
        dtype=dict.fromkeys([1, 3], pandas.StringDtype()))
print(df.dtypes)

这会导致：

2     int64
e    object
4     int64
w    object
dtype: object
2     int64
e    string
4     int64
w    string
dtype: object

我正在使用熊猫 1.0.0rc0。直接将所有内容读取为字符串 dtype 应该可以防止 problems with mixed types when writing an HDFStore。

Answer 1

这在 pandas 1.0 中是不可能的。目前有 (2020-01-22) an open issue on github 和 open pull request adding this feature。该功能目前针对 pandas 1.1：

使用新的 dtypes（IntegerArray、StringArray 等），如果您想在读取数据时使用它们，您必须指定所有列的类型。如果可以选择将所有列的新 dtypes 用作 read_csv()、read_excel() 等的关键字，那就太好了。

具体的API还有待确定，等到时候我会更新这个答案。

现在，您必须明确传递所有应作为字符串读取的列的名称。