如何在Python的Pandas中高效读取CSV并将所有列转为字符串？

嘿，你的问题很常见——手动逐个转换列类型不仅麻烦，还不够高效。这里有两种更优的方案，按推荐程度排序：

1. 读取时直接指定所有列为字符串（最推荐） #

在pd.read_csv()里直接通过dtype参数指定所有列的类型为字符串，这样Pandas在读取文件时就直接按字符串解析，避免了后续的类型转换开销，这是最高效的方式：

df = pd.read_csv(
    "datafile.csv",
    sep="\s+",
    names=["lvl12", "etime", "press", "gph", "temp", "rh", "dpdp", "wdir", "wspd"],
    dtype=str  # 关键参数：所有列按字符串读取
)

2. 已读取DataFrame后批量转换 #

如果已经把文件读进DataFrame了，不用逐个列写astype(str)，直接对整个DataFrame调用astype(str)即可，一行代码搞定：

# 覆盖原DataFrame，所有列转为字符串
df = df.astype(str)

# 或者不重新赋值，直接修改原DataFrame的所有列
df.loc[:, :] = df.astype(str)

顺便提个小坑 #

你原来的代码里，df['lvl12'].astype(str)这类写法不会修改原DataFrame的列类型，因为astype()默认返回一个新的Series，需要把结果赋值回原列才会生效，比如：

df['lvl12'] = df['lvl12'].astype(str)

但显然批量处理的方式比这种逐个赋值高效得多。

内容的提问来源于stack exchange，提问作者Srivatsa Sharma G