如何从字典创建Pandas DataFrame并为指定列设置多数据类型？

你原来的代码报错是因为调用df.columns时，df还未创建，属于变量未定义问题。下面是两种可行的实现方式：

方法一：先创建DataFrame，再批量指定列类型 #

1. 先基于字典生成基础DataFrame：

import pandas as pd

# 示例字典，替换为你的col_dets
col_dets = {"col0": 1, "col1": 2, "col2": 3, "col3": 4, "col4":5, "col5":6, "col6":7, "col7":8, "col8":9, "col9":10}
df = pd.DataFrame(col_dets, index=[0])

2. 构造类型映射字典：将指定列设为float64，其余列设为int64

# 获取所有列名列表
all_cols = df.columns.tolist()
# 定义要转换为float的列索引
float_col_indices = [3, 6, 9]
# 根据索引获取对应的列名
float_cols = [all_cols[i] for i in float_col_indices]

# 生成类型映射字典
dtype_dict = {col: 'float64' if col in float_cols else 'int64' for col in all_cols}

3. 执行数据类型转换：

df = df.astype(dtype_dict)

方法二：创建DataFrame前预处理字典（更高效） #

如果字典内的数值都可转换，可提前将指定列的值转为float，再生成DataFrame：

float_col_indices = [3, 6, 9]
# 获取字典的键列表（保证列顺序与字典一致）
col_names = list(col_dets.keys())

# 遍历指定索引，将对应列的值转为float
for idx in float_col_indices:
    col_name = col_names[idx]
    col_dets[col_name] = float(col_dets[col_name])

# 直接生成DataFrame，此时指定列已为float类型，其余为int
df = pd.DataFrame(col_dets, index=[0])

验证结果 #

执行以下代码查看各列数据类型，确认是否符合要求：

print(df.dtypes)

内容的提问来源于stack exchange，提问作者MaxRussell