如何快速将Pandas混合类型列中的float转为int？

你的思路完全正确——用.loc批量筛选+转换的方式，能彻底解决百万级数据下逐行遍历的效率问题，比iterrows快几个数量级。

核心解决方案 #

直接通过布尔掩码筛选目标行，再批量转换赋值：

# 生成布尔掩码：筛选出value列是float类型的行
mask = df['value'].apply(lambda x: isinstance(x, float))
# 批量将这些float值转为int
df.loc[mask, 'value'] = df.loc[mask, 'value'].apply(int)

更严谨的版本（避免转换非整数float） #

如果你的数据里存在非整数的float（比如5.5），不想误转换的话，可以在掩码里加上整数判断：

# 只筛选是整数型的float值（如5.0，排除5.5）
mask = df['value'].apply(lambda x: isinstance(x, float) and x.is_integer())
df.loc[mask, 'value'] = df.loc[mask, 'value'].astype(int)

为什么这个方法快？ #

iterrows是逐行遍历，每一次.at赋值都是单独的IO操作，百万行数据会触发百万次操作；而.loc的批量操作是基于Pandas的向量化底层优化，一次性完成筛选和转换，能把处理时间从几十分钟压缩到几秒。

内容的提问来源于stack exchange，提问作者Chris Pare