为何Pandas DataFrame所有列均为numpy object而非float类型？

问题根源在于applymap逐元素处理后，Pandas可能因元素返回的类型细节（比如numpy float与Python float混合）自动将列转为object类型，而scipy的t-test对输入类型要求严格，不像PCA、seaborn会自动做隐式类型转换。

以下是直接有效的解决方案：

• 替换applymap为矢量化运算（推荐）：
  直接对整个DataFrame做矢量化对数变换，Pandas会自动维持数值类型，效率也更高：

  master_data = np.log(master_data + 1)
  

  若不想覆盖原数据，可指定赋值范围：master_data.loc[:, :] = np.log(master_data + 1)

• 强制转换现有数据类型：
  已经用applymap处理完的话，直接把整个DataFrame转为float类型：

  master_data = master_data.astype(np.float64)
  

  担心存在非数值元素报错的话，可添加参数将无法转换的内容转为NaN：

  master_data = master_data.astype(np.float64, errors='coerce')
  

• 读入文件时直接指定数值类型：
  从根源避免类型问题，读取tsv文件时就明确指定数据类型：

  master_data = pd.read_csv('your_file.tsv', sep='\t', dtype=np.float64)
  

补充说明：PCA和seaborn能正常运行，是因为它们内部会尝试将可转换为数值的object列自动转为数值类型，但scipy的统计函数不会做这种隐式转换，因此必须确保输入是严格的数值类型数组或DataFrame。

内容的提问来源于stack exchange，提问作者Tony_stark