如何同时将 DataFrame 中指定的两列转换为整数类型

浅宇吖_8758

浅宇吖_8758

2026-07-10

412人浏览

原创

如何同时将 DataFrame 中指定的两列转换为整数类型

本文详解如何使用 pandas 的 .astype() 方法高效、安全地将 DataFrame 中多个特定列的数据类型批量转换为整数,避免 NaN 导致的类型转换错误,并提供可复用的代码范式。

本文详解如何使用 pandas 的 `.astype()` 方法高效、安全地将 dataframe 中多个特定列的数据类型批量转换为整数,避免 nan 导致的类型转换错误,并提供可复用的代码范式。

在 pandas 中,.astype() 是最常用的数据类型转换方法。但需注意:直接对含缺失值(NaN)的浮点列调用 .astype(int) 会报错(ValueError: Cannot convert non-finite values (NA or inf) to integer),因为 int 类型不支持 NaN。因此,若目标列存在缺失值,必须先处理或选择兼容类型(如 Int64——pandas 的可空整数类型)。

以下是规范、健壮的操作步骤:

✅ 正确做法:分步赋值 + 使用可空整数类型(推荐)

import pandas as pd
import numpy as np

# 构建原始数据(注意:字典键为列索引,值为各列数据)
q7 = {
    0: [4, 5.0, 2.0, 9.0, 1.0, 8],
    1: [5, 6.0, np.nan, 3.0, np.nan, 2],
    2: [6, np.nan, 7.0, np.nan, 4.0, 3]
}

# 创建 DataFrame 并转置 → 行为样本,列为特征(符合题设结构)
Q7 = pd.DataFrame(q7).T

# ✅ 安全转换第0列和第5列:使用 pandas 的可空整数类型 'Int64'(首字母大写)
Q7[0] = Q7[0].astype('Int64')
Q7[5] = Q7[5].astype('Int64')

print(Q7)

输出:

数说Social Research
数说Social Research

一款AI办公效率工具,主要用于社媒领域的AI Agent,全能营销智能助手,适合需要提升相关任务效率的用户。

下载
     0    1    2    3    4     5
0    4  5.0  2.0  9.0  1.0     8
1    5  6.0  NaN  3.0  NaN     2
2    6  NaN  7.0  NaN  4.0     3

? Int64(注意大写 I)是 pandas 提供的 nullable integer dtype,能安全容纳 NaN,是处理含缺失值整数列的首选方案。普通 int64 不支持 NaN,强制转换前必须填充或删除缺失值。

⚠️ 若坚持使用 int64:必须先处理缺失值

# 方案一:填充后再转(例如填 -1 作为占位符)
Q7[0] = Q7[0].fillna(-1).astype(int)
Q7[5] = Q7[5].fillna(-1).astype(int)

# 方案二:删除含缺失值的行(谨慎使用,可能丢失数据)
# Q7_clean = Q7.dropna(subset=[0, 5])
# Q7_clean[[0, 5]] = Q7_clean[[0, 5]].astype(int)

? 批量转换多列的简洁写法(推荐)

# 一次性转换多列(同样推荐 'Int64')
cols_to_int = [0, 5]
Q7[cols_to_int] = Q7[cols_to_int].astype('Int64')

? 关键注意事项总结:

  • ❌ 避免对含 NaN 的列直接使用 .astype(int) —— 必报错;
  • ✅ 优先选用 'Int64'、'Int32' 等 nullable integer dtypes;
  • ✅ 列名/索引需明确(本例中为整数位置索引 0 和 5);
  • ✅ 赋值操作应直接作用于 DataFrame 的列视图(如 df[col] = ...),而非链式调用;
  • ? .T 转置后,原字典的 key 成为列名,value 列表成为对应列数据 —— 理解数据结构是正确索引的前提。

掌握这一模式,即可稳健、清晰地完成任意多列的 dtype 转换任务。

相关文章

PHP速学视频免费教程(入门到精通)
PHP速学视频免费教程(入门到精通)

PHP怎么学习?PHP怎么入门?PHP在哪学?PHP怎么学才快?不用担心,这里为大家提供了PHP速学教程(入门到精通),有需要的小伙伴保存下载就能学习啦!

下载

相关标签:

本站声明:本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系admin@php.cn

相关专题

更多
Python 时间序列分析与预测
Python 时间序列分析与预测

本专题专注讲解 Python 在时间序列数据处理与预测建模中的实战技巧,涵盖时间索引处理、周期性与趋势分解、平稳性检测、ARIMA/SARIMA 模型构建、预测误差评估,以及基于实际业务场景的时间序列项目实操,帮助学习者掌握从数据预处理到模型预测的完整时序分析能力。

2025.12.04

380

15

Python 数据清洗与预处理实战
Python 数据清洗与预处理实战

本专题系统讲解 Python 在数据清洗与预处理中的核心技术,包括使用 Pandas 进行缺失值处理、异常值检测、数据格式化、特征工程与数据转换,结合 NumPy 高效处理大规模数据。通过实战案例,帮助学习者掌握 如何处理混乱、不完整数据,为后续数据分析与机器学习模型训练打下坚实基础。

2026.01.31

292

21

Python数据分析与Pandas高级实战
Python数据分析与Pandas高级实战

本专题围绕 Python 数据分析展开,系统讲解 Pandas 的高级用法,包括数据清洗、透视表、时间序列分析以及多表合并与分组操作。通过实战案例,帮助开发者掌握高效处理与分析数据的方法,提高数据处理效率与分析能力。

2026.04.13

1031

25

GoFrame框架Web开发与路由中间件
GoFrame框架Web开发与路由中间件

本专题聚焦GoFrame框架的Web开发,拆解路由注册与匹配规则、请求参数获取、参数校验与中间件执行顺序,说明统一响应、JWT鉴权、文件上传与接口文档生成的落地方式,并补充优雅重启与测试实践。

2026.11.17

20

15

GoFrame框架安装与gf命令行工具
GoFrame框架安装与gf命令行工具

本专题围绕GoFrame框架的安装与工具链配置展开,讲清Go版本要求、gf命令行的安装方式、代理镜像与依赖准备,说明项目初始化、热编译、交叉编译打包的做法,并整理安装阶段的常见报错与验证步骤。

2026.11.17

40

15

GoFrame框架零基础入门
GoFrame框架零基础入门

本专题整理GoFrame框架的入门知识,从模块化设计理念、环境准备到跑通第一个Web服务,讲清目录分层、配置加载、日志与中间件的用法,并对比Gin、Go-Zero的差异,帮助Go开发者建立整体认知。

2026.11.17

20

15

SQLAlchemy 一对多关系怎么建立
SQLAlchemy 一对多关系怎么建立

SQLAlchemy 一对多关系怎么建立?本专题整理父子表外键、relationship 双向映射、关联查询、级联删除和加载优化等相关文章,帮助你理解并实现常见的 ORM 关系建模。

2026.11.17

20

10

SQLAlchemy 如何增删改查
SQLAlchemy 如何增删改查

SQLAlchemy 如何增删改查?本专题整理 ORM 新增记录、条件查询、更新和删除、Session 事务提交与批量处理等实用文章,帮助你掌握 Python 数据库操作流程。

2026.11.17

40

11

SQLAlchemy ORM 模型怎么写
SQLAlchemy ORM 模型怎么写

SQLAlchemy ORM 模型怎么写?本专题整理模型类定义、Mapped 字段映射、主键与约束、表结构创建和常见报错的相关文章,帮助你从基础配置到实际建模逐步掌握 SQLAlchemy。

2026.11.17

20

16

热门下载

更多
网站特效
/
网站源码
/
网站素材
/
前端模板

精品课程

更多
热门推荐
/
最新课程
phpStudy极速入门视频教程
phpStudy极速入门视频教程

共6课时 | 54.7万人学习

独孤九贱(4)_PHP视频教程
独孤九贱(4)_PHP视频教程

共89课时 | 134.3万人学习