如何将Python DataFrame的object列转换为int与string类型

现有方案错误原因 #

• 方案二错误：每次执行df = df[列名].astype(str)都会直接将整个DataFrame覆盖为单列的Series对象，多次赋值后df最终仅保留最后一次操作的列数据，自然会丢失全部原有数据。
• 方案一未达预期的两个核心原因：
  1. Age列转换int失败：大概率是Age列存在非数值内容（比如空值NaN、非法字符串如'未知'/'N/A'等），普通int类型不支持存储空值，转换会隐性失败或报错。
  2. 字符串列转换后仍显示object：你使用的astype('str')在pandas中默认是用object类型存储字符串，且空值会被转换为'nan'字符串，不符合真实业务需求；另外你漏了First Name、Surname两列的转换配置，所以这两列类型没有变化。

正确转换代码 #

第一步：读取数据 #

import pandas as pd
df = pd.read_csv('user-data.csv')

第二步：转换整数类型列 #

如果允许Age列存在空值，使用pandas支持空值的Nullable整数类型Int64：

# 先将Age列转为数值，非法值统一转为空值
df['Age'] = pd.to_numeric(df['Age'], errors='coerce')
# 转为可空整数类型
df['Age'] = df['Age'].astype('Int64')

# House Number本身已转换成功，无需额外处理，若有异常也可按上述逻辑处理

如果要求Age必须为普通int类型，提前处理空值即可：

df['Age'] = pd.to_numeric(df['Age'], errors='coerce').fillna(0).astype('int')

第三步：转换字符串类型列 #

使用pandas专用的string类型，转换后dtype会显式标记为string，且保留原生空值：

# 所有需要转字符串的列清单
str_columns = [
    'Street', 'First Name', 'Surname',
    'Relationship to Head of House', 'Marital Status',
    'Gender', 'Occupation', 'Infirmity', 'Religion'
]
# 批量转换
df[str_columns] = df[str_columns].astype('string')

验证转换结果 #

执行以下代码查看类型是否符合预期：

print(df.info())

补充说明 #

如果你使用的pandas版本低于1.0，不支持string专用类型，使用astype(str)后dtype显示为object属于正常现象，只要确认列内容均为字符串格式即符合转换要求。

内容的提问来源于stack exchange，提问作者asli