read_csv 会把数字列误判为字符串，因为 Pandas 默认仅扫描前100行推断类型，遇后续非数字值（如空字符串、"NULL"）便回退为object类型，导致astype(int)报错；应显式指定dtype（如"Int64"）、配合na_values与keep_default_na，并用pd.to_numeric(..., errors="coerce")安全转换。
为什么 read_csv 会把数字列误判为字符串？
因为 Pandas 默认只扫描前 100 行（nrows=100）做类型推断，遇到后面才出现的非数字值（比如空字符串、"NULL"、"N/A"、甚至某行多了一个逗号），就会回退到 object 类型。一旦列为 object，后续用 astype(int) 直接报错，而不是静默转成 NaN。
- 典型错误现象：
ValueError: invalid literal for int()或TypeError: object of type 'str' has no len() - 真实场景：日志文件中某列大部分是整数，但第 5000 行插入了注释行
"# missing data" - 关键参数：
dtype显式指定比依赖自动推断更可靠；na_values和keep_default_na要配合使用
怎样用 dtype 参数精准控制每列类型？
直接告诉 Pandas 每列该是什么类型，跳过推断阶段。尤其对数值列，优先用可空类型（如 Int64、string）而非 int64 或 object，避免因 NaN 导致类型 fallback。
-
dtype={"user_id": "Int64", "score": "float64", "tag": "string"}—— 注意首字母大写的Int64是 pandas 可空整型，小写int64不接受NaN - 批量设置：用
{col: "string" for col in string_columns}构造字典，避免手写长列表 - 如果列名含空格或特殊字符，
dtype键必须严格匹配实际列名（可用header=0后先df.columns.tolist()确认）
遇到混合数据（数字+文本）时怎么安全转换？
别硬转，先用 pd.to_numeric(..., errors="coerce") 把疑似数字列转成浮点，并把非法值变 NaN；再按需向下转型（如 .astype("Int64")）。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
-
df["amount"] = pd.to_numeric(df["amount"], errors="coerce")—— 这比astype(float)安全得多 - 若原始列有百分号（如
"95%"），先.str.rstrip("%").astype(float)，但得确保无空值，否则加.str.replace(r"^\s*$", "0", regex=True) - 性能注意：
errors="coerce"比"raise"慢，但比失败后重试强；大数据集建议先采样检查异常值分布
读取超大文件时如何边读边校验类型？
用 chunksize 分块读取，对每块做类型检查和清洗，再拼接。避免一次性加载出错后整个失败。
chunks = pd.read_csv("data.csv", chunksize=10000, dtype={"id": "Int64"})- 每块处理：检查
chunk["id"].isna().sum()是否突增，判断是否需调整na_values - 合并时用
pd.concat(chunks, ignore_index=True)，别用append（已弃用） - 内存敏感场景：处理完一块就
del chunk，显式触发垃圾回收（import gc; gc.collect()）
最易被忽略的是 keep_default_na=False 配合自定义 na_values —— 默认的 ["NA", "NULL", ""] 有时会误吞合法字符串，比如用户昵称真叫 "NULL"，结果整列变 NaN。动手前先 head -n 200 data.csv | grep -n "NULL" 看上下文。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
