修改DataFrame列数据类型遇报错及失效问题求助

一、代码可运行但类型未修改的原因 #

1. 前两段代码仅调用astype()但未赋值回原DataFrame：
   df[['articleID','sizeCode','productGroup']].astype(int) 这类写法会生成新的DataFrame片段，但你没有把结果赋值给原df的对应列，原数据自然不会发生变化。正确写法应为：

   df[['articleID','sizeCode','productGroup']] = df[['articleID','sizeCode','productGroup']].astype(int)
   

   （前提是列内数据可正常转换）

2. 第三段df=df.astype(...)未生效，核心原因是目标列存在无法转为指定类型的脏数据：
   比如articleID列包含"NA"、"未知"这类非数字字符串，或是带逗号的数字"1,234"、空字符串等，都会导致astype转换失败，最终列类型仍保持object。你可以先排查异常值：

   # 检查articleID中无法转为整数的行
   df[~df['articleID'].str.isdigit()]
   # 检查rrp中无法转为浮点数的行
   df[pd.to_numeric(df['rrp'], errors='coerce').isna()]
   

二、报错代码的问题 #

df['articleID'] = df.astype({'articleID': int}) 报错是因为：
df.astype({'articleID': int}) 返回的是完整的DataFrame（所有列保留，仅articleID类型改变），而你试图把整个多列的DataFrame赋值给单个列df['articleID']，左右列数不匹配，因此抛出ValueError: Columns must be same length as key错误。

正确写法只需提取转换后的目标列赋值：

df['articleID'] = df['articleID'].astype(int)

或者：

df['articleID'] = df.astype({'articleID': int})['articleID']

三、稳妥的类型转换方案 #

如果存在脏数据，建议用pd.to_numeric配合errors参数处理，兼容空值或异常数据：

# 转换为支持空值的整数类型（Int64），无法转换的设为NaN
df['articleID'] = pd.to_numeric(df['articleID'], errors='coerce').astype('Int64')
df['sizeCode'] = pd.to_numeric(df['sizeCode'], errors='coerce').astype('Int64')
df['productGroup'] = pd.to_numeric(df['productGroup'], errors='coerce').astype('Int64')

# 转换为浮点数，无法转换的设为NaN
df['rrp'] = pd.to_numeric(df['rrp'], errors='coerce')

内容的提问来源于stack exchange，提问作者Trupti Jadhav