DataFrame列类型为object却报'int'无split属性错误，求原因及解决方法

虽然列的整体数据类型标记为object，但object类型的列允许混合存储不同类型的数据——你的这一列里同时存在字符串和整数类型的值。比如部分行是"300 Pages"这类字符串，而另一部分行已经是纯整数（如300）。当lambda函数遍历到整数类型的行时，调用split()方法自然会触发AttributeError，因为整数没有这个属性。

这里提供几种实用的处理方式：

方法1：统一转字符串后处理 #

先把所有值强制转为字符串，再执行拆分操作，最后统一转为整数：

df['Number of Pages'] = df['Number of Pages'].apply(lambda x: str(x).split(' ')[0]).astype(int)

方法2：使用pandas字符串方法（更简洁） #

pandas的str系列方法会自动跳过非字符串类型的值（或返回NaN），可以结合combine_first保留原本的整数值：

# 拆分字符串并取第一部分，对非字符串值返回NaN
split_col = df['Number of Pages'].str.split(' ', expand=True)[0]
# 用原列的整数值填充NaN，最后转int
df['Number of Pages'] = split_col.combine_first(df['Number of Pages'].astype(str)).astype(int)

方法3：针对性处理不同类型的行 #

先筛选出非字符串的行确认情况，再分别处理：

# 查看所有整数类型的行
int_mask = df['Number of Pages'].apply(lambda x: isinstance(x, int))
print(df[int_mask])

# 只处理字符串类型的行
df.loc[~int_mask, 'Number of Pages'] = df.loc[~int_mask, 'Number of Pages'].apply(lambda x: x.split(' ')[0])
# 统一转为int类型
df['Number of Pages'] = df['Number of Pages'].astype(int)

内容的提问来源于stack exchange，提问作者Armonia