用 df.dtypes 查看真实类型，避免误判混合数据为数值型；对 object 列用 apply(type).unique() 探查内部类型，用 pd.to_numeric(..., errors='coerce') 安全转数字，读取时通过 dtype 或 converters 预控类型。
用 df.dtypes 看清真实类型，别信列名或前几行
很多人一上来就 df.head()，发现某列显示的都是数字，就默认它是 int64 或 float64，结果后续 .sum() 报错：TypeError: unsupported operand type(s) for +: 'int' and 'str'。这是因为 pandas 在混合类型（比如数字混着空字符串、"N/A"、"NULL"）时会自动退化为 object 类型，但内部元素类型并不统一。
正确做法是先看 df.dtypes，再对 object 类型列做进一步探查：
- 用
df[col].apply(type).unique()查真实 Python 类型 - 用
df[col].apply(lambda x: str(x).strip()).nunique()判断是否只是空格/大小写导致的“假混合” - 用
pd.api.types.is_string_dtype(df[col])或pd.api.types.is_numeric_dtype(df[col])做语义判断，比单纯看dtype更可靠
用 pd.to_numeric(..., errors='coerce') 安全转数字，别用 astype(int)
直接 df['col'].astype(int) 遇到非数字内容立刻崩，而 pd.to_numeric() 的 errors='coerce' 会把非法值转成 NaN，保留结构可继续处理。这是最常用也最稳妥的清洗入口。
注意三个关键参数组合：
-
errors='coerce'：强制转，错则填NaN（推荐首选） -
errors='ignore'：不转，原样返回（基本没用） -
downcast='integer'：转完再压缩类型（比如从int64降到int8），省内存但需确认无溢出
示例：df['price'] = pd.to_numeric(df['price'], errors='coerce', downcast='integer')。如果之后要 fillna，记得先判断是否真需要补 0 还是留 NaN —— 补 0 可能扭曲统计结果。
对多列批量处理时，用 select_dtypes('object') 锁定目标，再按需分组
一次性处理几十列时，不能靠肉眼挑 object 列。用 df.select_dtypes('object').columns 拿到所有疑似混合列，再结合业务逻辑分组处理：
inference.sh 的 Python SDK：运行 AI 应用、构建智能体，并集成 150 多个模型。包名：inferencesh (pip install inferencesh)。支持同步/异步……
- 数值型字段（如 "age", "score", "quantity"）→ 全部走
pd.to_numeric(..., errors='coerce') - 分类型字段（如 "status", "category"）→ 用
df[col].str.strip().str.lower()标准化，再.astype('category')节省内存 - 时间字段（如 "created_at"）→ 优先试
pd.to_datetime(df[col], errors='coerce')，失败再看是否含非标准格式（如带中文“年月日”）
避免对所有 object 列无差别 .astype(str) —— 这会让后续数字解析更难，且丢失原始结构信息。
混合类型常藏在读取阶段，read_csv 的 dtype 和 converters 要提前设
很多问题其实在 pd.read_csv() 时就能规避。默认读取会触发类型推断，一旦某列中间插入异常值，整列变 object，后面清洗成本翻倍。
两种预控方式：
- 显式指定
dtype：pd.read_csv('x.csv', dtype={'price': 'float64', 'id': 'string'})（注意 pandas 1.3+ 支持'string'类型） - 用
converters做逐行清洗：converters={'amount': lambda x: float(x.replace(',', '')) if x.strip() else np.nan}
特别提醒：dtype 参数无法处理含空值的整数列（pandas 不支持 int with NaN），必须用 Int64（首字母大写）或先读成 float64 再转 Int64。
混合类型不是 bug，是数据现实的快照。真正麻烦的是那些看似干净、实则藏了不可见空格、零宽字符、BOM 头的列——它们不会报错，但会让 .nunique() 和 .groupby() 给出错误结果。建议对关键列加一道 df[col].str.encode('utf-8').str.startswith(b'\xef\xbb\xbf') 检查 BOM。
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！
