wie obere Fälle für alle Werte in Datenrahmen

Question

i für alle Werte in Datenrahmen, obere Fälle ändern möchten ändern und die folgenden Codes verwenden,

import pandas as pd 
import numpy as np 

path1= "C:\\Users\\IBM_ADMIN\\Desktop\\ml-1m\\SELECT_FROM_HRAP2P3_SAAS_ZTXDMPARAM_201611291745.csv" 
frame1 = pd.read_csv(path1,encoding='utf8',dtype = {'COUNTRY_CODE': str}) 
for x in frame1: 
    frame1[x] = frame1[x].str.lower() 
frame1 

aber ich bekomme die folgende Fehlermeldung für diese Zeile:

frame1[x] = frame1[x].str.lower() 

Fehler:

AttributeError: Can only use .str accessor with string values, which use np.object_ dtype in pandas 

weiß nicht den Grund,

Answer 1

Sie applymap Funktion nutzen zu können.

import pandas as pd 

df1 = pd.DataFrame({'MovieName': ['LIGHTS OUT', 'Legend'], 'Actors':['MARIA Bello', 'Tom Hard']}) 
df2=df1.applymap(lambda x: x.lower()) 
print df1, "\n" 
print df2 

Ausgang:

 Actors MovieName 
0 MARIA Bello LIGHTS OUT 
1  Tom Hard  Legend 

     Actors MovieName 
0 maria bello lights out 
1  tom hard  legend 

Answer 2

Versuchen Sie, str.lower auf Series-Objekt zu verwenden.

Unterstützen Sie Ihre Datenrahmen wie unten:

df = pd.DataFrame(dict(name=["HERE", "We", "are"])) 

    name 
0 HERE 
1 We 
2 are 

Dann niedriger alle Werte und Ausgang:

df['name'] = df['name'].str.lower() 

    name 
0 here 
1 we 
2 are 

Answer 3

Sie können dies versuchen:

df2 = pd.DataFrame({ 'A' : 1., 
        'B' : pd.Timestamp('20130102'), 
        'C' : pd.Series(1,index=list(range(4)),dtype='float32'), 
        'D' : np.array([3] * 4,dtype='int32'), 
        'E' : pd.Series(["TEST","Train","test","train"]), 
        'F' : 'foo' }) 

mylist = list(df2.select_dtypes(include=['object']).columns) # in dataframe  
               #string is stored as object 

for i in mylist: 
    df2[i]= df2[i].str.lower()