为什么相同dtype的df中的元素显示不同的类型？

问题描述

有两个包含相同dtypes的数据框：

>>> df1.dtypes
code       object
date       object
open      float64
high      float64
low       float64
close     float64
volume      int64
dtype: object

>>> df2.dtypes
code       object
date       object
open      float64
high      float64
low       float64
close     float64
volume      int64
dtype: object

为什么数据框的列中的元素显示不同的类型？

>>> x1 = df1['date'][0]
>>> x1
'19901219'
>>> x2 = df2['date'][0]
>>> x2
20050225
>>> type(x1)
<class 'int'>
>>> type(x2)
<class 'str'>

大熊猫中的object概念代表字符串。
data-type description
我可以推断x1的类型应该与str的{​​{1}}相同， 为什么x2的类型是x1，而不是int？

解决方法

因为熊猫中的“对象”在Python中可以是“ str或混合”。

https://pandas.pydata.org/pandas-docs/stable/user_guide/basics.html#basics-dtypes

Pandas有两种存储字符串的方法。

1. object dtype，可以容纳任何Python对象，包括字符串。

2. StringDtype，专用于字符串。