pandas怎样转换数据类型

发布时间：2026-10-14 13:26:06 来源：亿速云阅读：88 作者：小樊栏目：编程语言

在 pandas 中，转换数据类型（dtype）是非常常见的操作。下面按常见场景给你总结几种常用方法。

一、查看数据类型

import pandas as pd

df.dtypes

二、转换整个列的数据类型

1️⃣ 使用 `astype()`（最常用）

df['col'] = df['col'].astype('int')
df['col'] = df['col'].astype('float')
df['col'] = df['col'].astype('str')
df['col'] = df['col'].astype('category')

⚠️ 注意：
如果原数据有无法转换的值（如 'abc' → int），会报错。

2️⃣ 转换为数值（自动处理错误）

df['col'] = pd.to_numeric(df['col'], errors='coerce')

errors='coerce'：无法转换的变成 NaN
errors='ignore'：保留原值

三、转换日期时间类型

字符串 → 时间

df['date'] = pd.to_datetime(df['date'])

指定格式：

df['date'] = pd.to_datetime(df['date'], format='%Y-%m-%d')

四、批量转换多列类型

df = df.astype({
    'age': 'int',
    'score': 'float',
    'name': 'string'
})

五、转换为 category（节省内存）

df['gender'] = df['gender'].astype('category')

六、处理缺失值后再转换

df['col'] = df['col'].fillna(0).astype('int')

七、pandas 新推荐类型（pandas 1.0+）

df['col'] = df['col'].astype('Int64')   # 可含 NaN 的整数
df['col'] = df['col'].astype('string')  # 新字符串类型

八、常见错误 & 解决

问题	解决
object 转 int 报错	用 `pd.to_numeric(..., errors='coerce')`
日期解析失败	指定 `format`
内存太大	用 `category` / `int32`

如果你有具体数据样例或报错信息，可以直接贴出来，我可以帮你写准确的转换代码。

向AI问一下细节