如何将pandas列的dtype('O')类型转换为int64，解决转换报错问题？

你遇到的报错核心原因是Perpetrator Age列中存在纯空格字符串这类无法直接转换为整数的异常值，所以即便是先转字符串再转int也无法生效，空格本身不属于合法的整数字面量。

步骤1：转换为数值类型，自动处理异常值 #

使用pandas内置的pd.to_numeric()方法，配合errors='coerce'参数，可以自动把所有无法转换为数字的内容（包括空格、空字符串、非法字符等）统一转为空值NaN：

import pandas as pd
data['Perpetrator Age'] = pd.to_numeric(data['Perpetrator Age'], errors='coerce')

执行完这一步后，列的类型会自动变为float64（因为NaN属于浮点类型）。

步骤2：按需转换为整数类型 #

根据你的业务需求选择对应方案即可：

• 方案A：允许保留空值，使用pandas可空整数类型

# 注意Int64首字母为大写，是pandas支持缺失值的专属整数类型
data['Perpetrator Age'] = data['Perpetrator Age'].astype('Int64')

• 方案B：删除空值后转换为标准int64

# 先删除年龄为空的行
data = data.dropna(subset=['Perpetrator Age'])
data['Perpetrator Age'] = data['Perpetrator Age'].astype('int64')

• 方案C：填充空值后转换为标准int64

# 示例：将空值填充为0，也可根据业务逻辑替换为均值、中位数等
data['Perpetrator Age'] = data['Perpetrator Age'].fillna(0).astype('int64')

如果需要定位异常值的具体情况，可以执行以下代码统计：

# 筛选所有无法转为数字的行
invalid_data = data[pd.to_numeric(data['Perpetrator Age'], errors='coerce').isna()]
print(f"异常值总数量：{len(invalid_data)}")
# 查看异常值的分布情况
print(invalid_data['Perpetrator Age'].value_counts())

内容的提问来源于stack exchange，提问作者Iv Iv