不使用Pandas/Numpy，如何转换DataFrame列数据类型并替换空值？

直接用pandas处理整列数据效率最高，不用手动遍历列表。按你的需求，步骤如下：

1. 导入pandas并读取CSV #

import pandas as pd

# 读取CSV时，把空字符串识别为NaN
df = pd.read_csv('dataset.csv', na_values=[''])

2. 按需求转换列类型 #

先明确各列的目标类型：

• 保持字符串类型：last、first、sex
• 转为浮点型：age、fare
• 转为整数型：sibsp、pclass、survived

执行转换：

# 转换浮点型，无法转换的值设为NaN
df['age'] = pd.to_numeric(df['age'], errors='coerce').astype('float')
df['fare'] = pd.to_numeric(df['fare'], errors='coerce').astype('float')

# 转换整数型，用Int64（带大写I）支持空值的整数类型
df['sibsp'] = pd.to_numeric(df['sibsp'], errors='coerce').astype('Int64')
df['pclass'] = pd.to_numeric(df['pclass'], errors='coerce').astype('Int64')
df['survived'] = pd.to_numeric(df['survived'], errors='coerce').astype('Int64')

3. 将空值替换为None #

把pandas里的NaN替换成None：

df = df.where(pd.notna(df), None)

你的代码为什么没生效？ #

你定义的new_type是空列表，后续的last、age等变量只是单个值的转换，既没加入列表，也没遍历处理所有数据行，自然不会作用到输出的二维列表上。如果一定要用原生列表处理（不推荐，效率低），可以这样写：

# 假设你的原始数据是data_list（即输出的二维列表）
data_list = [['Braund', ' Mr. Owen Harris', 'male', '22', '1', '3', '7.25', '0'], 
             ['Cumings', ' Mrs. John Bradley (Florence Briggs Thayer)', 'female', '38', '1', '1', '71.2833', '1'], 
             ['Heikkinen', ' Miss. Laina', 'female', '26', '0', '3', '7.925', '1']]

# 按列顺序定义转换函数，空值转None
converters = [
    str, str, str,
    lambda x: float(x) if x.strip() else None,
    lambda x: int(x) if x.strip() else None,
    lambda x: int(x) if x.strip() else None,
    lambda x: float(x) if x.strip() else None,
    lambda x: int(x) if x.strip() else None
]

processed_data = []
for row in data_list:
    processed_row = []
    for val, func in zip(row, converters):
        try:
            processed_row.append(func(val))
        except:
            processed_row.append(None)  # 转换失败也设为None
    processed_data.append(processed_row)

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