Pandas将含多数据类型的列转换为字符型的实现方法

你的问题核心是列中存在NaN、整数、浮点数、字符串混合类型，直接用astype(int)会因为NaN无法转整数报错，同时还要保留特殊格式的字符串（比如"2+"）。可以通过遍历每个元素做针对性处理来实现需求：

解决方案代码 #

import pandas as pd
import numpy as np

# 假设你的DataFrame是df
def process_col1(val):
    # 处理浮点数：非NaN转整数再转字符串，NaN保留
    if isinstance(val, float):
        if not pd.isna(val):
            return str(int(val))
        return val
    # 整数直接转字符串
    elif isinstance(val, int):
        return str(val)
    # 其他类型（如"2+"这类字符串）直接返回
    else:
        return val

# 应用处理函数到col1列
df['col1'] = df['col1'].apply(process_col1)

效果验证 #

运行后你的col1列会变成：

col1
1
1
NaN
0
0
2+

说明 #

• 用apply逐个处理元素，避免批量转换时的类型冲突
• 针对浮点数单独判断NaN，确保非NaN的浮点数能转成整数格式的字符串
• 保留原始的NaN和特殊字符串格式，完全匹配你的预期输出

内容的提问来源于stack exchange，提问作者Eisen