如何将Pandas DataFrame含空值的Object类型列转为Int类型？

问题分析 #

你之前的转换失败核心原因有两个：

1. 使用errors='ignore'会保留无法转换为数字的元素（比如非数字字符串），导致整列仍维持object类型；
2. 普通int类型不支持存储缺失值（None/NaN），强制转换会因类型冲突失败，最终保留原列类型。

解决方案 #

步骤1：排查并清理异常值

先确认列中除None外是否存在其他非数字内容（如空字符串、特殊字符）：

# 查看列中所有唯一值
print(df['Length (minutes)'].unique())

# 筛选出无法转换为数字的行
invalid_rows = df[pd.to_numeric(df['Length (minutes)'], errors='coerce').isna()]
print(invalid_rows)

如果存在非数字异常值（比如'N/A'、空字符串），先统一替换为缺失值：

df['Length (minutes)'] = df['Length (minutes)'].replace(['', 'N/A'], pd.NA)

步骤2：转换为可空整数类型

Pandas的**可空整数类型Int64（大写I）**支持同时存储整数和缺失值，这是解决问题的关键：

方法一：读取CSV时直接处理

df = pd.read_csv(
    "workouts.csv",
    dtype={'Length (minutes)': 'Int64'},
    na_values=['None', '']  # 将CSV中的"None"字符串、空字符串识别为缺失值
)

方法二：读取后转换

# 先将非数字内容转为NaN，再转可空整数类型
df['Length (minutes)'] = pd.to_numeric(df['Length (minutes)'], errors='coerce').astype('Int64')

验证结果 #

执行转换后检查列类型：

>>> df.dtypes
Workout Timestamp      object
Live/On-Demand         object
Instructor Name        object
Length (minutes)       Int64

内容的提问来源于stack exchange，提问作者cicit