Строки в DataFrame, но dtype – объект

Почему Пандас говорит мне, что у меня есть объекты, хотя каждый элемент в выбранном столбце является строкой – даже после явного преобразования.

Это мой DataFrame:

• Python numpy: невозможно преобразовать datetime64 в datetime64 (для использования с Numba)
• Изменить тип объекта в datetime64 -pandas
• Найти значения списка не в данных dataframe pandas
• Как перепрограммировать, начиная с первого элемента в пандах?
• ускорение последовательной проверки, если точка находится в форме в Python

<class 'pandas.core.frame.DataFrame'> Int64Index: 56992 entries, 0 to 56991 Data columns (total 7 columns): id 56992 non-null values attr1 56992 non-null values attr2 56992 non-null values attr3 56992 non-null values attr4 56992 non-null values attr5 56992 non-null values attr6 56992 non-null values dtypes: int64(2), object(5) 

Пять из них – dtype object . Я явно конвертирую эти объекты в строки:

 for c in df.columns: if df[c].dtype == object: print "convert ", df[c].name, " to string" df[c] = df[c].astype(str) 

Тогда df["attr2"] все еще имеет dtype object , хотя type(df["attr2"].ix[0] показывает str , что является правильным.

Pandas различает int64 и float64 и object . Какова его логика, когда нет dtype str ? Почему str покрывается object ?

• Есть ли разница в вычислениях для Numpy vs Pandas?
• Как конвертировать URL-запрос в pandas DataFrame?
• Применение функции над группой по объекту для добавления строки в каждую группу
• Установить значения на диагонали pandas.DataFrame
• Панды: час возвращения из колонки Datetime Directly