DataFrame百分比字符串转数值后仍为object类型的问题求助

问题分析 #

你遇到的核心问题是：转换后的数值看起来是整数，但列类型仍为object，导致无法执行描述统计。这通常是因为转换过程中存在未处理的无效值，或者赋值操作未正确覆盖原列类型。

修正后的转换函数 #

先简化并优化你的转换函数，去掉不必要的astype(str)（原数据已是object类型字符串），确保每一步的类型转换都生效：

import pandas as pd

def convert_pct_to_int(column):
    # 移除百分号并转换为数值，无法转换的设为NaN
    num_col = pd.to_numeric(column.str.rstrip('%'), errors='coerce')
    # 用中位数填充缺失值（避免NaN导致类型异常）
    num_col = num_col.fillna(num_col.median())
    # 强制转换为整数类型并返回
    return num_col.astype(int)

正确执行转换并验证 #

1. 执行赋值操作：

a1data['Total(%)'] = convert_pct_to_int(a1data['Total(%)'])

2. 立即验证列类型：

print(a1data['Total(%)'].dtype)

正常情况下会输出int64。

排查残留问题 #

如果类型仍为object，说明数据中存在未被正确转换的异常值，可按以下步骤排查：

• 找出无法转换的行：

# 提取无法转为数值的原始数据行
invalid_entries = a1data[pd.to_numeric(a1data['Total(%)'].str.rstrip('%'), errors='coerce').isna()]
print(invalid_entries)

这些行可能包含空字符串、非百分号格式的文本（比如--、无等），需要先清理这些数据（比如替换为中位数或删除行），再重新执行转换。

• 检查列内元素的混合类型：

# 查看列中所有元素的类型
print(a1data['Total(%)'].apply(type).unique())

如果输出包含<class 'str'>，说明仍有字符串残留，需针对性处理这些异常值。

补充说明 #

转换后若仍需执行描述统计，可直接调用：

print(a1data['Total(%)'].describe())

此时会返回数值型的统计结果，而非分类统计。

内容的提问来源于stack exchange，提问作者bolthy