如何将含int/float/string的CSV数据转换为仅含string和float类型

待处理CSV文件包含float、int、string三种数据类型，处理目标为仅保留string、float两类数据：仅将所有int类型内容转换为float类型，其余类型数据保持原样。
此前使用如下代码尝试全表类型转换：

df=df.astype(dtype=np.float64, copy=True, errors='raise')

代码运行报错原因：全局强制将所有数据转为np.float64时，表中存在的string类型内容无法完成浮点转换，触发类型错误。

不要直接对全表执行统一的astype(np.float64)转换，按数据类型筛选后定向处理整数类型内容即可，根据数据规整程度选择对应方法：

• 规整数据表（每列类型统一）：按列类型筛选后批量转换
  先识别所有整数类型的列，仅对这类列执行浮点转换，原有字符串列、浮点列不做任何改动，代码如下：

import numpy as np
import pandas as pd

# 读入目标CSV文件
df = pd.read_csv("你的CSV文件本地路径.csv")

# 筛选所有整数类型的列，统一转为float64
int_columns = df.select_dtypes(include="int").columns
df[int_columns] = df[int_columns].astype(np.float64)

# 打印各列类型校验转换结果
print(df.dtypes)

注意：如果CSV读入时因为空值、列内存在混合值，导致整数列被自动识别为object类型，该方法会漏判，需使用下面的混合类型处理方案。

• 非规整数据表（列内存在混合类型）：逐元素判断类型后转换
  不按整列做类型强制，对表中每个元素单独判断：如果元素是int类型就转为float，字符串、原有浮点值直接保留，代码如下：

def int_to_float(element):
    if isinstance(element, int):
        return float(element)
    return element

# pandas版本低于2.1.0用applymap
df = df.applymap(int_to_float)

# pandas版本2.1.0及以上用map替换applymap
# df = df.map(int_to_float)

全表统一指定astype(np.float64)的逻辑会尝试将所有单元格内容转为浮点类型，遇到字符串内容必然抛出转换错误，无法满足保留字符串列的需求。

内容的提问来源于stack exchange，提问作者notsaggin