如何将DataFrame字符串类型数字列转float/int？astype报错求解决

错误原因 #

你用apply处理列时，传入cek_string的参数x是单个字符串元素，而astype()是pandas Series/DataFrame的方法，单个字符串对象没有这个属性，所以会报错'str' object has no attribute 'astype'。

修正方案 #

方案1：修改转换函数 #

把astype()替换成Python内置的类型转换函数float()/int()，直接对字符串进行转换：

def cek_string(x):
    if '.' in x:
        return float(x)
    else:
        return int(x)

# 应用到列（无需额外lambda，直接传函数名即可）
df['TotalCharges'] = df['TotalCharges'].apply(cek_string)

方案2：简化为lambda表达式 #

不需要单独定义函数，直接用lambda一行完成：

df['TotalCharges'] = df['TotalCharges'].apply(lambda x: float(x) if '.' in x else int(x))

可选：处理含空格的情况 #

如果字符串里可能包含前后空格（比如' 99.99 '或' 100 '），可以先做去除空格处理：

df['TotalCharges'] = df['TotalCharges'].apply(lambda x: float(x.strip()) if '.' in x.strip() else int(x.strip()))

注意事项 #

转换后该列的类型会变成object，因为列中同时存在int和float两种类型。如果不需要严格区分整数和浮点数，也可以统一转换为float类型（整数转float不会丢失精度），这样列类型会更规整：

df['TotalCharges'] = df['TotalCharges'].astype(float)

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