如何将DataFrame所有float64列批量转为int64以去除小数？

方法1：无缺失值场景下的直接转换 #

你的代码逻辑本身是可行的，若执行后未达预期，大概率是环境显示缓存或实际数据存在特殊情况导致。针对无缺失值的浮点列，可直接筛选类型后批量转换：

import pandas as pd

data = {'sand depth': [52.0, 22.0],
        'ground depth': [45.0, 84.0]}
df = pd.DataFrame(data)

# 筛选所有浮点类型列
float_cols = df.select_dtypes(include=['float64']).columns
# 批量转为int64类型
df[float_cols] = df[float_cols].astype('int64')

# 查看转换后的数据类型
print(df.dtypes)

执行后输出的类型信息为：

sand depth      int64
ground depth    int64
dtype: object

数据将以整数形式展示（如52而非52.0）。

方法2：含缺失值场景下的兼容转换 #

如果数据中存在NaN，直接用astype(int)会报错，此时可使用支持缺失值的Int64（大写I）类型：

float_cols = df.select_dtypes(include=['float64']).columns
df[float_cols] = df[float_cols].astype('Int64')

转换后缺失值会显示为<NA>，有效数据保持整数格式。

方法3：仅优化显示（不修改数据类型） #

若无需改变数据类型，只是不想显示小数，可设置pandas的显示格式：

pd.options.display.float_format = '{:.0f}'.format

此设置会让所有浮点列以整数形式展示，但数据类型仍为float64，适合仅优化展示的场景。

内容的提问来源于stack exchange，提问作者Deke Marquardt