Julia中自动推断DataFrame列数据类型（等效于Python的pd.infer_objects()）

Hey there! 刚从Python转Julia搞大数据，确实会遇到类型推断上的小差异，不过别担心，Julia里完全有Julia风格的方法来处理这个问题，而且还能兼顾性能和类型安全性～

方法一：从读取源头就做类型推断（最推荐） #

你当前用的XLSX.readtable其实自带类型推断的参数，默认是关闭的。只需要加上infer_eltypes=true关键字参数，就能让XLSX.jl自动尝试推断每一列的最具体类型（包括你提到的int、float、string、date）：

using DataFrames, XLSX

# 读取时直接开启类型推断
df = DataFrame(XLSX.readtable("MyFile.xlsx", "Sheet1"; infer_eltypes=true)...)

这个方法是最Julia风格的——从数据加载阶段就明确类型，避免后续额外的转换开销。你可以用eltype.(eachcol(df))检查一下列类型，大部分情况下都能得到你想要的结果。

方法二：自定义类型推断函数处理残留的Any列 #

如果Excel里某些列存在混合值（比如大部分是整数但夹杂了一个字符串），infer_eltypes=true可能还是会保留Any类型。这时候可以写一个自定义的推断函数，批量处理所有列，类似Python里的infertype.(df)：

首先定义一个针对你指定类型的推断函数：

function infer_column_type(col)
    # 先尝试转换为日期（兼容Excel数值格式或字符串格式的日期）
    try
        return Date.(col)
    catch
        # 尝试转换为整数
        try
            return parse.(Int, string.(col))
        catch
            # 尝试转换为浮点数
            try
                return parse.(Float64, string.(col))
            catch
                # 最后保留为字符串
                return string.(col)
            end
        end
    end
end

然后用transform函数批量应用到所有列：

# 转换所有列，保留原列名
df_inferred = transform(df, names(df) .=> infer_column_type .=> names(df))

这个函数会按优先级尝试转换：日期 > 整数 > 浮点数 > 字符串，完全覆盖你提到的四种类型。

补充：关于Julia类型系统的小说明 #

Julia的类型系统确实比Python更严格，但这也是它速度快的核心原因之一。默认用Any类型是为了兼容Excel中可能的混合单元格类型，而我们通过主动推断类型，既能享受Julia的性能优势，又能保证数据的类型安全性。

内容的提问来源于stack exchange，提问作者seulberg1