如何将第二个DataFrame的列数据类型匹配为第一个的类型？

我有两个Pandas DataFrame：

df:

df1:

执行以下代码检查两表对应列的数据类型是否一致：

cols = df.columns.intersection(df1.columns)
print(df[cols].dtypes.eq(df1[cols].dtypes))

得到结果：

money        False
money_add    False
other        False
dtype: bool

现在需要将df1的对应列数据类型匹配为df的类型，具体实现方法如下：

实现方法 #

通过遍历两表的共同列，将df1的列转换为df对应列的数据类型即可，代码如下：

cols = df.columns.intersection(df1.columns)
# 遍历共同列，批量转换数据类型
for col in cols:
    df1[col] = df1[col].astype(df[col].dtype)

# 再次验证类型匹配情况
print(df[cols].dtypes.eq(df1[cols].dtypes))

补充说明 #

• 如果转换时遇到无法直接兼容的场景（比如字符串转数值时存在非数值字符），可以添加errors参数处理，例如df1[col] = df1[col].astype(df[col].dtype, errors='ignore')，但这种方式会保留无法转换的原始值，需根据业务场景调整。
• 若df中的列是带空值的可数值类型（如Int64），df1是普通数值类型，astype能自动完成兼容转换，无需额外处理空值问题。

内容的提问来源于stack exchange，提问作者Carola