今天在数据分析时遇到了一个小问题，这时才发现自己的基础知识真的不牢固，所以这里记录一下解决方法

问题：

我在处理完数据后得到的是一个列表，其中放入的是很多的元组，这时需要从元组中筛选数据保存为csv文件，但是我的数据都是int型的，所以我简单的使用了一个循环wf.write('{},{}\n'.format(str(item[0][0]),str(item[0][1])))，通过str来转换保存为str类型，但是当我再次打开文件时，发现它居然还是int，保存前都是str，真是奇了怪了。

这时该如何是好，在写入的时候没有解决，所以我将它保存下来，再用pandas打开，想着在pandas中解决，pandas中该怎么解决呢？试了很久，终于想到了apply函数：应用于各行或各列。

我试了一下，果真能解决，但是apply还是有点麻烦，需要一列一列的修改，这时我又想到了applymap函数：应用于整个文件。完美！

举个简单的例子：

import pandas as pd
import numpy as np
data = pd.DataFrame({'m':[1,2,3,4,5],'n':[6,7,8,9,0]})
print(data.info())
 
# data['m'] = data['m'].apply(str)
# data['n'] = data['n'].apply(str)
 
data = data.applymap(str)
print(data.info())

下面是修改前、后的数据类型的改变：

Data columns (total 2 columns):
m 5 non-null int64    #int64
n 5 non-null int64
dtypes: int64(2)
 
Data columns (total 2 columns):
m 5 non-null object    #object
n 5 non-null object
dtypes: object(2)

再次打开查看，还是没有问题的，所以算是解决问题了。

但是我很是很疑惑，为什么我用str转换数据后保存，它却没有改变，有知道的朋友可以赐教，我有时间还是再去研究一下。

以上这篇把pandas转换int型为str型的方法就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。