如何使用.astype()方法修改DataFrame中两列的数据类型？

你的代码存在几个关键问题： #

• 未将字典转换为pandas DataFrame就直接操作，字典的键是字符串"0"/"1"/"2"，用q7[0]会触发KeyError
• 重复赋值q7会直接覆盖原有对象，无法保留完整的DataFrame结构
• 预期结果是原数据的转置结构（原3列6行变为6列3行），但你没有执行转置操作
• 包含np.nan的列不能直接用astype(int)，因为numpy的int类型不支持缺失值，需使用pandas的可空整数类型Int64

正确实现步骤及代码： #

1. 导入依赖库，将字典转换为DataFrame
2. 转置DataFrame以匹配预期的行列结构
3. 对指定列使用astype()修改数据类型，处理缺失值兼容问题

import numpy as np
import pandas as pd

# 初始字典
q7 = {
    "0": [4, 5.0, 2.0, 9.0, 1.0, 8],
    "1": [5, 6.0, np.nan, 3.0, np.nan, 2],
    "2": [6, np.nan, 7.0, np.nan, 4.0, 3]
}

# 转为DataFrame并转置，得到预期的行列布局
df = pd.DataFrame(q7).T
# 设置列名与预期结果一致
df.columns = [0, 1, 2, 3, 4, 5]

# 修改第0列和第5列的类型为可空整数（支持NaN）
df[0] = df[0].astype('Int64')
df[5] = df[5].astype('Int64')

print(df)

执行结果： #

0    1    2    3    4  5
0   4  5.0  2.0  9.0  1.0  8
1   5  6.0  NaN  3.0  NaN  2
2   6  NaN  7.0  NaN  4.0  3

内容的提问来源于stack exchange，提问作者Yanna Sanchez