使用pd.read_csv读取CSV后，如何将object类型year列转为int？

问题原因拆解 #

• 执行df['year'] = df['year'].astype(int)报错，是因为列中存在字符串'None'，而非pandas默认的缺失值（pd.NA/np.nan），纯整数类型无法识别这类字符串。
• 执行df['year'] = df['year'].astype(str).astype('Int64')报错，是因为object列可能混有非字符串元素，或未先清理无效字符串值，导致无法直接转换为带缺失值的整数类型Int64。

具体解决方案 #

1. 先清理无效字符串值 #

把列中的'None'字符串替换成pandas标准缺失值，为后续转换铺路：

import pandas as pd

# 将字符串'None'替换为pd.NA
df['year'] = df['year'].replace('None', pd.NA)

2. 转换为支持缺失值的整数类型 #

用pd.to_numeric自动处理数值转换，同时强制将无法转换的内容转为缺失值，最后转为Int64类型（大写I，支持缺失值存储）：

# 转换为数值类型，无法转换的设为缺失值，再转为Int64
df['year'] = pd.to_numeric(df['year'], errors='coerce').astype('Int64')

可选：一步完成清理与转换 #

也可以合并成一行代码，直接处理所有无效值：

df['year'] = pd.to_numeric(df['year'], errors='coerce').astype('Int64')

• errors='coerce'：自动把所有无法转为数值的内容（包括'None'、非数字字符串）转为np.nan
• astype('Int64')：将浮点类型的数值转为支持缺失值的整数类型

验证转换结果 #

转换后可以用以下命令确认效果：

# 查看列数据类型
print(df['year'].dtype)
# 统计缺失值数量
print(df['year'].isna().sum())

内容的提问来源于stack exchange，提问作者user20517034