HousePrices数据集：如何将city等object类型转为String类型？

1. 正确将Object类型列转为String类型 #

针对city、country、street、statezip这类字段，若你的pandas版本≥1.0，用以下两种方式都能完成转换：

• 批量转换最简写法：

cols_to_convert = ['city', 'country', 'street', 'statezip']
df[cols_to_convert] = df[cols_to_convert].astype('string')

• 更严谨的写法（支持专门的缺失值标识）：

from pandas import StringDtype
df[cols_to_convert] = df[cols_to_convert].astype(StringDtype())

要是转换失败，先排查列里的混合类型问题——比如有些单元格可能是数字、None而非字符串，先统一转成字符串再转String类型：

df[cols_to_convert] = df[cols_to_convert].astype(str).astype('string')

还可以先查看列的元素类型分布确认问题：

for col in cols_to_convert:
    print(f"列 {col} 的元素类型分布：")
    print(df[col].apply(type).value_counts())

2. 修复groupby计算mean的错误 #

groupby计算mean报错，大概率不是字符串列的锅——pandas默认会忽略非数值列的聚合操作。问题通常出在你指定了非数值列进行mean计算，或者分组逻辑有误。正确操作如下：

• 仅对数值列（比如price、sqft_living）做均值聚合：

# 按city分组，计算房价均值
df.groupby('city')['price'].mean()

# 多列均值计算
df.groupby('city')[['price', 'sqft_living']].mean()

如果需要保留分组内的字符串信息，同时聚合数值列，用agg指定每个列的处理方式：

df.groupby('city').agg({
    'price': 'mean',
    'country': 'first'  # 取分组内第一个country值（假设同城市country一致）
})

3. 内存优化验证 #

转成String类型后内存占用会比原Object类型更低，你可以用下面的命令验证：

print("转换前目标列内存总和：", df[cols_to_convert].memory_usage(deep=True).sum())
print("转换后目标列内存总和：", df[cols_to_convert].memory_usage(deep=True).sum())

内容的提问来源于stack exchange，提问作者PradM