为何Pandas转换DataFrame的age列类型时会试图转换列名？

问题根源 #

你遇到的错误是因为age列中存在字符串值'age'（大概率是CSV数据里混入了重复的表头行），导致转换时Pandas无法将这个字符串转为整数。

分步解决方案 #

1. 先确认数据问题 #

执行以下代码查看age列的所有唯一值，验证是否存在'age'：

print(df['age'].unique())

2. 清洗数据并转换类型 #

场景一：读取CSV时直接处理重复表头

如果是CSV文件里有重复的表头行（比如第二行又写了一次表头），读取时跳过该行：

import pandas as pd
# 根据实际重复行的位置调整skiprows参数，比如重复行是第2行则skiprows=[1]
df = pd.read_csv('your_data.csv', skiprows=[1])
# 转换为支持空值的整数类型
df['age'] = pd.to_numeric(df['age'], errors='coerce').astype('Int64')

场景二：已读取DataFrame后清洗

如果已经加载了数据，先过滤掉age列等于'age'的行，再转换：

# 过滤无效行
df = df[df['age'] != 'age']
# 转换为int类型
df['age'] = df['age'].astype(int)

如果存在其他非数字字符串，用to_numeric强制转换（无法转换的设为NaN后可选择丢弃）：

df['age'] = pd.to_numeric(df['age'], errors='coerce').dropna().astype(int)

3. 验证结果 #

转换完成后检查列类型和数据：

print(df['age'].dtype)
print(df['age'].head())

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