如何按列范围批量修改DataFrame中多列的数据类型？

astype()方法仅接受字典格式的参数（键为列名/标签，值为目标数据类型），直接传入索引切片会触发语法错误。要实现按索引范围批量修改类型，可通过以下两种方式完成：

方案1：提取目标列名构建类型映射字典 #

先通过列索引切片获取对应列的名称，再生成类型映射字典传入astype()：

# 注意：Pandas索引从0开始，若业务中"第17列"是从1计数，需将起始索引改为16
cols_to_convert = df.columns[17:41]
df = df.astype({col: 'int64' for col in cols_to_convert})

方案2：直接对列切片转换后赋值 #

选中目标列切片，转换类型后直接覆盖原DataFrame的对应列，无需构建字典：

# 同样注意索引范围的起始值，按需调整为16:41以匹配1计数的列范围
df.iloc[:, 17:41] = df.iloc[:, 17:41].astype('int64')

关键提示 #

• 确认索引计数规则：Python切片为左闭右开，若按业务习惯从1计数列，16:41会包含第17到41列（对应索引16至40）。
• 若目标列存在无法转换为int64的非数值数据，会抛出ValueError，需提前做好数据清洗或异常处理。

内容的提问来源于stack exchange，提问作者seevans38