如何用Python将CSV文件中的列类型转换为数值型？

先修正你的代码错误 #

你的代码存在两个核心问题，导致PRICE列类型始终为object：

• pd.to_numeric("PRICE", errors='coerce')传入的是列名字符串，而非DataFrame的目标列，正确参数应为df['PRICE']
• 你将转换结果赋值给了df[14]，这是创建新列而非覆盖原PRICE列

修正后的代码：

import pandas as pd

# 读取CSV时关闭分块类型推断，消除混合类型警告
df = pd.read_csv(r"C:\My Files\data1.csv", low_memory=False)
print(df.dtypes)

# 转换PRICE列为数值类型并覆盖原列
df['PRICE'] = pd.to_numeric(df['PRICE'], errors='coerce')
print(df.dtypes)

处理DtypeWarning警告 #

该警告提示1、2、7列存在混合类型（同一列同时包含字符串、数值等），有两种处理方式：

• 方式1：添加low_memory=False参数（如上代码），关闭Pandas分块读取时的类型推断，直接读取全量数据进行类型判断
• 方式2：读取时明确指定这些列的类型，例如如果这些列应存为字符串：

df = pd.read_csv(r"C:\My Files\data1.csv", dtype={1: str, 2: str, 7: str})

验证转换结果并清理异常值 #

• 用df['PRICE'].isna().sum()统计转换失败的数量（errors='coerce'会将无法转换的值转为NaN）
• 如果不需要自动转为NaN，可将errors='coerce'改为errors='raise'，触发错误定位具体异常值，手动清理后再转换

导出清理后的CSV用于PostgreSQL导入 #

转换完成后导出新CSV，确保数值列格式正确：

df.to_csv(r"C:\My Files\data1_cleaned.csv", index=False)

内容的提问来源于stack exchange，提问作者SRJ