Python合并DataFrames遇类型错误：object与float64列合并失败，求非转换解法

• 临时转换列类型进行合并（不修改原DataFrame）
  可以在merge操作中，通过assign()方法临时生成一个转换了类型的合并键列，原DataFrame的列类型保持不变。

  示例1：将float64类型的列临时转为object/str类型

  import pandas as pd
  
  # 假设df1的'key'列是object类型，df2的'key'列是float64类型
  merged_df = pd.merge(
      df1,
      # 临时给df2添加一个转换为字符串的key列，原df2不受影响
      df2.assign(temp_key=df2['key'].astype(str)),
      left_on='key',
      right_on='temp_key'
  ).drop('temp_key', axis=1)  # 合并后删除临时列
  

  示例2：将object类型的列临时转为float64类型（需处理转换错误）
  如果object列中的值大多是可转换为数字的，可以用pd.to_numeric()临时转换，同时处理无法转换的情况：

  merged_df = pd.merge(
      # 临时生成转换后的key列，无法转换的设为NaN
      df1.assign(temp_key=pd.to_numeric(df1['key'], errors='coerce')),
      df2,
      left_on='temp_key',
      right_on='key'
  ).drop('temp_key', axis=1)
  

• 利用merge的left_on/right_on配合自定义匹配逻辑
  如果上述转换仍有问题，还可以通过生成临时的匹配键（比如对两边的列值做格式化处理）来实现合并，同样不修改原DataFrame：

  # 对df1的object列做格式化，df2的float列转为字符串后格式化
  merged_df = pd.merge(
      df1.assign(formatted_key=df1['key'].str.strip()),
      df2.assign(formatted_key=df2['key'].astype(str).str.strip()),
      on='formatted_key'
  ).drop('formatted_key', axis=1)
  

这些方法都是在合并过程中临时生成转换后的列，原DataFrame的变量类型完全不会被修改，符合你的要求。

内容的提问来源于stack exchange，提问作者Rfl