Pandas如何将字典对应列表列的数据类型转换为float64

方法1：直接使用astype转换 #

如果你的Team-A/Team-B/Team-C列的字符串内容均为合法数值格式，直接复用你之前转string的写法，修改目标类型即可：

df = df.astype({'Team-A': 'float64', 'Team-B': 'float64', 'Team-C': 'float64'}, errors='raise')

设置errors='raise'时如果遇到无法转换的内容会直接抛出异常，适合数据质量高、要求严格校验转换结果的场景。

方法2：使用pd.to_numeric处理（兼容异常值场景） #

如果数据中可能存在非数值格式的异常字符串，推荐用pd.to_numeric处理，可灵活控制异常值逻辑：

# 指定要转换的列
target_cols = ['Team-A', 'Team-B', 'Team-C']
# errors='coerce' 表示无法转换的内容会被置为NaN
df[target_cols] = df[target_cols].apply(pd.to_numeric, errors='coerce').astype('float64')

如果你不需要强制转换异常值，也可以把errors参数改为'ignore'，遇到无法转换的内容会直接保留原始值不做处理。

内容的提问来源于stack exchange，提问作者KateMac