pandas读取SQL表时如何让价格字段为float而非object类型

读取后价格列为object类型，核心是两个未处理的问题：

• 表内的#N/A是字符串格式的缺失占位符，混合在数值字符串里，pandas无法自动识别为数值列
• 仅替换逗号为小数点的操作，没有处理#N/A值，SQL返回的结果集仍然是字符串类型列，pandas不会自动做类型转换

两种方案都在数据读取阶段完成类型转换，不会修改原SQL表的任何数据，也不需要读取完成后单独做列类型转换。

方案1：SQL层预处理+pandas自动浮点转换 #

在SQL语句里先把#N/A替换为SQL标准空值NULL，同时替换小数位/千分位逗号为点，再开启read_sql的coerce_float参数，pandas会自动把列转为支持空值的float64类型，原#N/A位置会映射为pandas的空值NaN。

import pandas as pd
import sqlite3

conn = sqlite3.connect('C:\\Users\\Desktop\\db.sqlite3')
query = """
SELECT
    NULLIF(replace(IndexLevel, ',', '.'), '#N/A') AS prices,
    PriceDate
FROM IndexLevel
"""
df = pd.read_sql(
    query,
    conn,
    parse_dates="PriceDate",
    coerce_float=True
)

执行后通过df['prices'].dtype可验证类型为float64，所有有效价格为浮点格式，原#N/A记录保留为空值。

方案2：读取阶段通过converters参数直接转换 #

如果不想修改SQL逻辑，可在read_sql中指定列转换函数，读取时直接完成值处理和类型转换：

import pandas as pd
import sqlite3

def convert_price(val):
    if val == '#N/A':
        return pd.NA
    return float(val.replace(',', '.'))

conn = sqlite3.connect('C:\\Users\\Desktop\\db.sqlite3')
df = pd.read_sql(
    "SELECT IndexLevel AS prices, PriceDate FROM IndexLevel",
    conn,
    parse_dates="PriceDate",
    converters={"prices": convert_price}
)

• 必须替换逗号为小数点：带逗号的数字字符串不会被SQL或pandas识别为合法浮点数，保留逗号无法完成类型转换
• 无需修改原表数据：上述操作均为读取阶段的临时值映射，不会删除或修改原表内存储的#N/A值
• 避免事后强转类型：读取阶段完成清洗转换，不会出现astype(float)时常见的非法值报错问题

内容的提问来源于stack exchange，提问作者Arturo M