使用.apply()和lambda转换函数在这种情况下也有效:

total_rows['ColumnID'] = total_rows['ColumnID']。Apply (lambda x: str(x))

对于整个数据帧，您可以使用.applymap()。 (但在任何情况下，可能.astype()更快)

转换为字符串的一种方法是使用astype:

total_rows['ColumnID'] = total_rows['ColumnID'].astype(str)

然而，也许你正在寻找to_json函数，它将键转换为有效的json(因此你的键转换为字符串):

In [11]: df = pd.DataFrame([['A', 2], ['A', 4], ['B', 6]])

In [12]: df.to_json()
Out[12]: '{"0":{"0":"A","1":"A","2":"B"},"1":{"0":2,"1":4,"2":6}}'

In [13]: df[0].to_json()
Out[13]: '{"0":"A","1":"A","2":"B"}'

注意:你可以传入一个缓冲区/文件来保存它，以及一些其他选项…

这是另一个，特别有用的多列转换为字符串，而不是单一的列:

In [76]: import numpy as np
In [77]: import pandas as pd
In [78]: df = pd.DataFrame({
    ...:     'A': [20, 30.0, np.nan],
    ...:     'B': ["a45a", "a3", "b1"],
    ...:     'C': [10, 5, np.nan]})
    ...: 

In [79]: df.dtypes ## Current datatype
Out[79]: 
A    float64
B     object
C    float64
dtype: object

## Multiple columns string conversion
In [80]: df[["A", "C"]] = df[["A", "C"]].astype(str) 

In [81]: df.dtypes ## Updated datatype after string conversion
Out[81]: 
A    object
B    object
C    object
dtype: object

如果你需要将所有列转换为字符串，你可以简单地使用:

df = df.astype(str)

如果你需要除了少数列以外的所有列都是字符串/对象，那么返回并将其他列转换为你需要的任何东西(在这种情况下是整数)，这是非常有用的:

 df[["D", "E"]] = df[["D", "E"]].astype(int) 

使用.apply()和lambda转换函数在这种情况下也有效:

total_rows['ColumnID'] = total_rows['ColumnID']。Apply (lambda x: str(x))

对于整个数据帧，您可以使用.applymap()。 (但在任何情况下，可能.astype()更快)

我通常用这个:

pd['Column'].map(str)