如何转换Pandas数据类型并筛选Quality≤4的数据？

一、Quality列的类型转换方法 #

当然可以转换Quality列的类型，Pandas提供了两种实用方案：

• 强制类型转换（适合确定列内所有内容均可转为整数的场景）：

  tbl['Quality'] = tbl['Quality'].astype(int)
  

• 容错式转换（若列内存在非数值内容，会将无法转换的值设为NaN，避免直接报错）：

  import pandas as pd
  tbl['Quality'] = pd.to_numeric(tbl['Quality'], errors='coerce')
  # 可选：删除转换后值为NaN的行
  tbl = tbl.dropna(subset=['Quality'])
  

二、Pandas原生筛选方法（推荐） #

Pandas是矢量化运算框架，完全不需要像C++那样写逐元素的循环判断，直接用布尔索引就能高效完成筛选：

1. 保留所有Quality ≤4的完整行：

   qlt_tbl = tbl[tbl['Quality'] <= 4]
   

2. 若仅需保留Quality列的符合条件数值：

   qlt_tbl = tbl.loc[tbl['Quality'] <= 4, 'Quality']
   

三、原代码问题解析 #

你写的代码存在几个关键逻辑错误：

• for Quality in tbl：遍历的是DataFrame的列名，而非Quality列的每个元素
• tbl['Quality'] is int：这是判断整个Series对象的类型是否为int，而非列内元素的类型，显然永远为False
• Pandas中不建议用逐元素的for循环处理数据，不仅效率极低，还容易出现逻辑偏差，要尽快适应矢量化操作的思路

内容的提问来源于stack exchange，提问作者Phibo