Pandas 2.2.1中设置不兼容dtype报错，循环处理是否为唯一解法？

问题原因 #

Pandas 2.2.0+版本对不同数据类型的切片赋值操作做了更严格的校验：直接用iloc位置切片将float类型数据赋值给原本是int64类型的列时，会触发FutureWarning，提示类型不兼容，未来版本会直接报错。

高效解决方案（无需循环） #

循环单列处理确实可行但效率偏低，以下两种向量化方法更高效：

方法1：使用列名索引直接赋值

直接通过列名选中目标列，赋值转换后的数据，Pandas会自动处理列的数据类型更新，不会触发警告：

import pandas as pd

data = {
    'Id': ['id1', 'id2', 'id3', 'id4'],
    'col1': [41, 41, 41, 41],
    'col2': [6, 6, 6, 6]
}

df = pd.DataFrame(data)

# 用列名索引替代iloc完成赋值
df[df.columns[1:]] = df.iloc[:,1:].astype(float).div(150)

方法2：使用df.update()方法

先创建转换后的子DataFrame，再用update方法同步到原DataFrame，属于高效的向量化操作：

import pandas as pd

data = {
    'Id': ['id1', 'id2', 'id3', 'id4'],
    'col1': [41, 41, 41, 41],
    'col2': [6, 6, 6, 6]
}

df = pd.DataFrame(data)

# 生成转换后的子数据集
temp_df = df.iloc[:,1:].astype(float).div(150)
# 更新原DataFrame
df.update(temp_df)

方法可行性说明 #

• 列名索引赋值时，Pandas会识别到目标列需要更新数据类型，自动完成转换，规避类型不兼容校验；
• update方法会匹配列名同步数据，同时允许修改列的数据类型，是Pandas推荐的安全更新方式。

内容的提问来源于stack exchange，提问作者Victor Hartman