Julia中如何修改DataFrame指定列的数据类型

你转换column3报错的核心原因是：Julia不支持直接通过类型广播（比如Float64.(列)）把字符串类型转换为浮点型，必须通过专门的字符串解析函数完成转换；同时CSV.jl默认生成的String31/String15属于固定宽度的InlineString类型，转换时也需要注意适配。

方案一：读取文件时直接指定列类型（推荐） #

最稳妥的方式是在读取CSV阶段就明确指定各列类型，从源头避免后续手动转换的问题，参考代码如下：

using DataFrames, CSV

df = DataFrame(CSV.File(
    "file.csv",
    delim=";;",
    # 逐列指定目标类型
    types=Dict(
        :column1 => Date,
        :column2 => String,
        :column3 => Float64
    ),
    # 若文件中存在空值标记（比如空字符串、"NA"等），取消注释下一行配置
    # missingstring=["", "NA", "null"]
))

执行完上述代码后，生成的DataFrame会直接符合你要的类型要求，不需要额外修改。

方案二：读取完成后手动修改列类型 #

如果你已经完成文件读取，需要修改现有DataFrame的列类型，按以下步骤操作即可：

• 转换column2类型：把固定宽度的String31转为普通String

df.column2 = String.(df.column2)

• 转换column3类型：用parse函数做字符串到浮点型的解析，不要直接用Float64.()广播

# 无缺失值场景
df.column3 = parse.(Float64, df.column3)

# 有缺失值场景，需要先引入Missings包的passmissing
# using Missings
# df.column3 = passmissing(parse).(Float64, df.column3)

异常排查 #

如果执行column3转换时仍然报错，说明列中存在无法解析为数值的脏数据（比如带货币符号、千分位逗号、空格、非数值文本等），可以运行以下代码定位异常行：

# 筛选出column3无法解析为Float64的所有行
filter(row -> tryparse(Float64, row.column3) === nothing, df)

清理完异常数据后再执行转换即可。

内容的提问来源于stack exchange，提问作者hbrovell