Pandas处理DataFrame后无法将CUSNO列转为int64类型的问题

核心原因 #

用pd.to_numeric(..., errors='coerce')转换时，只要出现过NaN值，Pandas就会把列类型设为float64——哪怕你删除了含NaN的行，列的 dtype 不会自动变回整数类型，得手动转换。

分步解决代码 #

1. 加载并预处理数据
   先确保彻底清除含NaN的行，一定要把处理结果赋值回原DataFrame：

import pandas as pd
# 加载|分隔的CSV
cl = pd.read_csv('你的数据文件.csv', sep='|')
# 转换CUSNO为数值，非数值转NaN
cl['CUSNO'] = pd.to_numeric(cl['CUSNO'], errors='coerce')
# 删除含NaN的行，subset指定只检查CUSNO列
cl = cl.dropna(subset=['CUSNO'])

2. 转换为int64类型
   此时列中已无NaN，直接用astype转换即可：

cl['CUSNO'] = cl['CUSNO'].astype('int64')

如果你担心有隐藏的缺失值（比如没删干净），可以用downcast参数强制转整数：

cl['CUSNO'] = pd.to_numeric(cl['CUSNO'], downcast='integer')

要是后续可能再出现缺失值，推荐用Pandas的可空整数类型（大写I的Int64）：

cl['CUSNO'] = cl['CUSNO'].astype('Int64')

注意事项 #

• 别漏了把dropna的结果赋值回cl，只跑cl.dropna()不会修改原DataFrame，列里还留着NaN，转int肯定报错。
• 你用的Pandas 1.5.3和2.2.1都支持上述方法，无需担心版本兼容问题。

内容的提问来源于stack exchange，提问作者gregCubed