Pandas问题：DataFrame多列从object转float类型赋值无效

问题现象 #

1. 创建初始DataFrame：

import pandas as pd

x = pd.DataFrame([ ['S',1,5], 
                   ['M',1.4,'10'], 
                   ['L','2.3',14.5]], 
                 columns=['S', 'D', 'L'])
print(x.dtypes)
# 输出：
# S    object
# D    object
# L    object
# dtype: object

初始时D、L列均为object类型，需转为数值类型。

2. 尝试多列切片转换后赋值，无效果：

x.loc[:, ['D','L'] ] = x.loc[:, ['D', 'L']].apply(pd.to_numeric)
print(x.dtypes)
# 输出仍为全部object类型

3. 验证右侧转换结果确实为float64：

print(x.loc[:, ['D', 'L']].apply(pd.to_numeric).dtypes)
# 输出：
# D    float64
# L    float64
# dtype: object

4. 单独对一列赋值转换有效：

x.loc[:, 'D' ] = x.loc[:, 'D'].apply(pd.to_numeric)
print(x.dtypes['D'])  # 输出float64

5. 转换一列后再执行多列赋值则生效：

x.loc[:, ['D','L'] ] = x.loc[:, ['D', 'L']].apply(pd.to_numeric) 
print(x.dtypes)
# 输出：
# S     object
# D    float64
# L    float64
# dtype: object

原因分析 #

这是因为Pandas的DataFrame列底层基于NumPy数组存储。当原列均为object类型时，对应的数组容器是object dtype的数组，无法直接容纳float64类型的数组。直接对多列object列赋值float类型数据时，Pandas会自动将数值转回object类型以适配原容器的dtype。

而单独修改一列时，Pandas会替换该列的底层数组为float64类型，此时再做多列赋值，DataFrame已存在float类型的列，Pandas会调整容器类型，允许float数据存入，因此赋值生效。

正确的多列类型转换方式 #

方法1：直接使用列索引赋值 #

cols = ['D', 'L']
x[cols] = x[cols].apply(pd.to_numeric)

这种方式更直接，Pandas会正确识别转换后的dtype并替换原列的存储类型。

方法2：使用astype()指定列类型 #

如果确定数据可以安全转换为数值类型，可直接用字典指定列的目标类型：

x = x.astype({'D': float, 'L': float})

若存在转换风险（比如有非数值字符串），可添加errors='coerce'将无法转换的值设为NaN：

x = x.astype({'D': float, 'L': float}, errors='coerce')

方法3：使用convert_dtypes（适用于Python 3.8+） #

若需要Nullable数值类型（避免NaN强制转为float类型），可使用：

cols = ['D', 'L']
x[cols] = x[cols].apply(pd.to_numeric).convert_dtypes()

内容的提问来源于stack exchange，提问作者truschival