含分类列的Pandas DataFrame数值列转float64 dtype的高效最优方法

问题背景 #

现有混合分类列与数值列的Pandas DataFrame，示例如下：

import pandas as pd
import numpy as np

epi = pd.DataFrame({"Hospital": ["10702", "10835", "14303", "14303"],
                    "Service": ["Dermatology", "Dermatology", "Dermatology", "Rheumatology"],
                    "Product": ["X1", "X1", "X2", "X5"],
                    "202112": [20, 32, 54, 12],
                    "202201": [99, 0, 12, 14],
                    "202202": [102, 12, 43, 12]
                   })

需要将所有数值列（202112、202201、202202）转换为float64类型，由于数据集规模大、计算要求高，希望找到高效且符合Python风格的实现方式。当前已有如下方案，不确定是否为最优解：

cols = epi.select_dtypes(include=np.number).columns
epi[cols] = epi[cols].astype("float64")

解答 #

你的方案已经是最优且符合Python/Pandas风格的实现，原因如下：

• select_dtypes(include=np.number)是Pandas专门设计的列筛选工具，能精准识别所有数值类型列（包括int、float等），无需手动指定列名，既避免了大规模数据集下列名枚举的繁琐，也能防止漏选或错选列
• 直接对选中的列执行批量astype("float64")是Pandas的向量化操作，相比循环遍历列逐个转换的方式，效率提升显著，完全适配大规模数据集的计算需求

如果需要更精准地筛选仅整数类型的列（避免对已为float的列重复转换），可以将include参数改为int：

cols = epi.select_dtypes(include=int).columns
epi[cols] = epi[cols].astype("float64")

但原方案的np.number覆盖范围更广，能处理所有数值类型列，适用性更强。

内容的提问来源于stack exchange，提问作者marinovik