根据pandas documentation，pandas.read_csv允许我为CSV文件中的列指定dtype。
dtype ：输入列名称或词典 - ＆gt; type，默认无 数据或列的数据类型。例如。 {'a'：np.float64，'b'：np.int32}（不支持engine ='python'）。使用 str 或 object 来保留和不解释dtype。
要将每列视为文本数据，我可以使用
df = pandas.read_csv(... , dtype=str)
或
df = pandas.read_csv(..., dtype=object)
据我所知，这两种方法的行为完全相同。是否存在这两种方法表现不同的情况？如果是这样，有什么区别？
答案 0 :(得分：2)
这些 有一个微妙的差异，直到发布0.11.1（ pimpl idiom ）。
numpy数组中的每个元素必须具有相同的字节大小。字符串的问题是它们的字节大小不固定，因此object dtype允许指向 do 具有固定字节大小的字符串。简而言之，str对每个项目都有一个特殊的固定宽度，而object允许变量字符串长度，或者实际上是任何对象。
在任何情况下，自版本0.11.1起，只要看到dtype=str到dtype=object就会自动转换，所以无论你使用什么都没关系，尽管我建议避免{ {1}}完全使用str。