Julia中遍历列向量转换DataFrame列类型的问题求助

CSV.read导入DataFrame后，部分含"YR"的列是String31类型，需要转换为数值型，但多次尝试均失败，以下是尝试过程及解决方法：

已尝试的方法及报错 #

方法1：使用transform!结合parse #

代码：

col_years = contains.(names(df),"YR")
transform!(df, names(df)[col_years] .=> ByRow(x->parse(Number, x)), renamecols = false)

报错：

MethodError: no method matching parse(::Type{Number}, ::String31)
Closest candidates are:
  parse(::Type{T}, ::AbstractString; base) where T<:Integer at parse.jl:240
  parse(::Type{T}, ::AbstractString; kwargs...) where T<:Real at parse.jl:379
  parse(::Type{P}, ::AbstractString; kwargs...) where P<:FilePathsBase.AbstractPath at ~/.julia/packages/FilePathsBase/9kSEl/src/path.jl:77

将Number替换为Int后，又出现新错误：

ArgumentError: invalid base 10 digit '.' in "80.0511140452116"

方法2：循环使用convert转换 #

代码：

for c in names(df)[col_years]
    df[!, c] = convert.(Number, df[!, c])
end

报错信息与方法1类似。

测试用DataFrame（普通String可转Float64，但实际场景的String31不行）：

f = DataFrame(Series  = ["SP.POP.DPND"],
              YR1960 = ["80.0511140452116"],
              YR1961 = ["80.2223403638055"],
              YR1962 = ["80.4019428356728"])

解决方法 #

原因分析 #

1. Number是抽象类型，parse函数不支持直接解析到抽象类型，必须使用具体的数值子类型（比如Float64，因为数据包含小数，无法用Int）。
2. String31属于AbstractString的子类，parse(::Type{Float64}, ::AbstractString)是有内置方法的，直接指定Float64即可处理。

修正后的方法 #

方法1：修改transform!代码

col_years = contains.(names(df),"YR")
transform!(df, names(df)[col_years] .=> ByRow(x->parse(Float64, x)), renamecols = false)

方法2：修改循环转换代码

for c in names(df)[col_years]
    df[!, c] = parse.(Float64, df[!, c])
end

优化方案：导入时直接指定列类型

避免后续转换，在CSV.read时直接指定目标列的类型：

using CSV, DataFrames
# 先获取文件列名，筛选出含"YR"的列
yr_cols = filter(x -> contains(x, "YR"), CSV.getfieldnames("your_file.csv"))
# 导入时指定这些列的类型为Float64
df = CSV.read("your_file.csv", DataFrame; types=Dict(col => Float64 for col in yr_cols))

内容的提问来源于stack exchange，提问作者Vince