Pandas合并类型不匹配求助：int与object列及转int报错

你的问题核心在于两点：

• 转字符串后仍出现类型不兼容，大概率是其中一个DataFrame的Hour列转换不彻底，或存在隐式类型差异（比如一列是object类型字符串，另一列仍是int64）；
• df2的Hour列包含带字母的非数字值（如X253252352552），无法直接转为整数类型。

以下是分步解决方案：

步骤1：排查两列的实际类型与内容 #

先运行代码确认Hour列的类型和具体值，定位问题：

# 检查df1的Hour列信息
print("df1 Hour列类型:", df1['Hour'].dtype)
print("df1 Hour列部分值:", df1['Hour'].head(10).tolist())

# 检查df2的Hour列信息
print("df2 Hour列类型:", df2['Hour'].dtype)
print("df2 Hour列部分值:", df2['Hour'].head(10).tolist())

步骤2：强制统一转为字符串类型 #

如果确认是转换不彻底，用以下方式确保两列都转为字符串，同时处理空值和特殊字符：

# 转换并去除首尾空格，空值转为空字符串
df1['Hour'] = df1['Hour'].apply(lambda x: str(x).strip() if pd.notna(x) else '')
df2['Hour'] = df2['Hour'].apply(lambda x: str(x).strip() if pd.notna(x) else '')

# 再次验证类型
print("转换后df1 Hour类型:", df1['Hour'].dtype)
print("转换后df2 Hour类型:", df2['Hour'].dtype)

步骤3：改用merge方法进行合并 #

注意：join默认按索引合并，用on参数时稳定性不如专门的列匹配方法merge，建议替换为：

df3 = pd.merge(df1, df2, on='Hour', how='inner')

额外处理：提取df2 Hour列的数字部分（若需要） #

如果X253252352552中的X是无效前缀，需要提取数字部分匹配df1的纯数字Hour列，可使用正则：

import re
# 提取字符串中的所有数字字符
df2['Hour'] = df2['Hour'].apply(lambda x: ''.join(re.findall(r'\d+', str(x))) if pd.notna(x) else '')
# 将df1的Hour也转为字符串统一匹配
df1['Hour'] = df1['Hour'].astype(str)

# 执行合并
df3 = pd.merge(df1, df2, on='Hour', how='inner')

内容的提问来源于stack exchange，提问作者kongiponki kongiponki