必须在读取阶段就显式控制类型，靠后续astype或convert_dtypes补救往往失效或不彻底；read_csv时用dtype参数硬指定列类型可跳过自动推断，避免前导零丢失、千分位误判、缺失值导致升格为float64等问题。
必须在读取阶段就显式控制类型，靠后续 astype 或 convert_dtypes 补救往往失效或不彻底。
read_csv 时用 dtype 参数硬指定列类型
自动推断是多数隐式转换的源头。比如邮政编码 "00123" 被判为 int64，前导零直接丢；"1,000" 被判为 object，后续无法计算。
- 用
dtype={"user_id": "str", "age": "Int64", "status": "category"}显式声明，跳过推断 -
"Int64"（大写 I）才能存缺失值，"int64"遇到None会静默升格为float64 - 对含千分位、货币符号的数值列，先用
thousands=","或decimal="."参数清洗，再配dtype - 不确定是否含空值？优先设
"Int64"或"boolean"，别赌数据“干净”
PyArrow 后端下 na_values 必须显式声明
Pandas 2.0 默认启用 dtype_backend="pyarrow" 后，“NA”、“NULL”、“” 这些字符串不再被自动识别为缺失值，df["col"].isna() 对它们返回 False。
Secure Python Code Sandbox
下载
安全 Python 代码沙箱：在隔离的沙箱中执行任意 Python 代码，预装 requests、NumPy、pandas 库。返回 stdout、stderr。
- 读 CSV 时加
na_values=["NA", "NULL", "N/A", ""]和keep_default_na=False，避免和默认的["nan", "NaN"]冲突 - 已有 DataFrame 想补救？不能只
.replace({"NA": pd.NA})，必须跟.convert_dtypes(dtype_backend="pyarrow")重铸类型 -
df["col"] = df["col"].replace(...)单独执行无效——PyArrow 列不可变，整列重赋值或调convert_dtypes才行
链式操作中用 convert_dtypes 做兜底修复
哪怕用了 dtype，.assign()、.loc[] 等操作仍可能触发隐式升格，比如整数列赋 np.nan 变成 float64。
- 在链式中间或末尾插入
.convert_dtypes(dtype_backend="numpy_nullable")，它能把float64（含整数+NaN）转回Int64，object转string - 别依赖默认后端：
dtype_backend="numpy_nullable"比"pyarrow"更稳定，且convert_dtypes默认就用它 -
.assign(new_col=lambda df: df.x.astype("Int64"))比.assign(new_col=df.x.astype("Int64"))安全——前者延迟求值，后者立即触发类型推断
警惕 pd.to_numeric 和 astype 的行为差异
astype("int64") 遇到空值或非数字字符直接报错；pd.to_numeric(..., errors="coerce") 会把非法值转为 NaN，但结果仍是 float64，不是你想要的整数。
- 要可空整数：先
pd.to_numeric(col, errors="coerce")，再.convert_dtypes()，或一步到位.astype("Int64")（前提是已无非法字符串） - 时间列别靠
to_datetime自动推断，写死format参数，比如format="%Y-%m-%d"，否则 "01/02/2023" 可能被当成 1 月 2 日而非 2 月 1 日 - category 类型只在低基数列（
nunique() / len() ）才省空间，高基数列反而拖慢 <code>.str操作和merge
最易被忽略的是：PyArrow 后端下，None、np.nan、pd.NA 三者语义不同，混用会导致列类型意外变更或聚合结果含 <na></na> 而非标量——检查缺失值永远用 df.isna()，别用 == np.nan。
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！
