从Google表格导入数据时Pandas DataFrame的数据类型问题

先解决你遇到的TypeError错误 #

你用df = pd.DataFrame(data, dtype=data_types)时触发报错，核心原因是**data_types的格式不符合要求**：

• Pandas的DataFrame构造器的dtype参数，要么接受单一类型（所有列统一用该类型），要么接受列名映射到类型的字典。
• 如果你的data_types是列表（比如[str, float, ...]）或者格式错误，就会抛出object of type 'type' has no len()的错误。

正确的类型处理流程 #

由于源数据存在空白值，直接在创建DataFrame时强制指定类型容易失败，更稳妥的方式是先导入数据，再针对性转换类型：

1. 先正常导入数据 #

以gspread获取Google表格数据为例：

import gspread
import pandas as pd
from google.oauth2.service_account import Credentials

# 初始化授权（根据你的认证方式调整）
scopes = ["https://www.googleapis.com/auth/spreadsheets"]
creds = Credentials.from_service_account_file("你的认证文件.json", scopes=scopes)
client = gspread.authorize(creds)

# 获取表格数据并转为DataFrame
sheet = client.open("你的表格名称").sheet1
data = sheet.get_all_records()
df = pd.DataFrame(data)

2. 分类型转换列 #

• 浮点数列：用pd.to_numeric将空白值转为NaN，避免类型识别错误：

  # 替换成你的浮点数列名列表
  float_columns = ['列名1', '列名2', ...]
  for col in float_columns:
      df[col] = pd.to_numeric(df[col], errors='coerce')
  

• 日期列：用pd.to_datetime解析日期，同样处理空白值：

  # 替换成你的日期列名列表
  date_columns = ['日期列名1', '日期列名2', ...]
  for col in date_columns:
      df[col] = pd.to_datetime(df[col], errors='coerce')
  

• 文本列：如果需要显式转为string类型（而非默认的object）：

  text_columns = ['文本列名1', '文本列名2', ...]
  df[text_columns] = df[text_columns].astype('string')
  

3. （可选）创建时指定类型的正确方式 #

如果一定要在创建DataFrame时指定类型，确保data_types是列名-类型的字典，例如：

data_types = {
    '文本列1': 'string',
    '数值列1': float,
    '日期列1': 'datetime64[ns]'
}
df = pd.DataFrame(data, dtype=data_types)

⚠️ 注意：这种方式对含空白值的列容易报错，因为空字符串无法直接转为float或datetime，因此更推荐先导入再转换的方案。

内容的提问来源于stack exchange，提问作者Hemal Davda