Разница в методах преобразования типов данных в Python Pandas

Question

Я могу преобразовать тип данных столбца следующими способами

Опция 1

df['column_name']=df.column_name.astype(str)

Опция 2

df['column_name']=df['column_name'].astype(str)

Мой вопрос - есть лиразница между вариантами 1 и 2. Если да, какой из них лучше?

Answer 1

Давайте рассмотрим пример:

>>df

Row Labels col1 col2
abc12        1    2
def34        3    4
ghi56        5    5

Теперь, если вы примените astype, как показано ниже:

df['Row Labels']=df['Row Labels'].astype(str)

вы можете видеть, что вышеприведенный столбец Row Labels был преобразован в строку с помощью:

df.applymap(type).eq(str).all()

Однако, если вы попробуете с опцией 1:

df['Row Labels']= df.Row Labels.astype('str')

вы столкнетесь:

df ['Метки строк'] = df.Row Labels.astype ('str')

                            ^

SyntaxError: неверный синтаксис

Точно так же большинство операций не работает с df.col_name, в отличие от df['col_name']

Надеюсь, что ответит на ваш вопрос.