如何解决pandas中convert_dtypes()在多行表头CSV场景下失效的问题

根本原因是你读取CSV的参数设置错误，导致加载出的DataFrame数据混入冗余内容、所有列被强制识别为object类型，才会让convert_dtypes()失效。不需要修改原CSV文件，调整读取逻辑即可解决，步骤如下：

1. 调整CSV读取参数，直接跳过第一行描述行，指定第二行作为表头，避免冗余内容混入数据：

import pandas as pd

# skiprows=1 跳过原文件第一行的描述内容，header=0 用跳过行后的第一行（原文件第二行）作为列名
df = pd.read_csv(file_name, skiprows=1, header=0)

你之前用header=4配合删除首行的写法，会导致读入时列名和数据匹配错误，所有内容被强制转为字符串类型，后续convert_dtypes()只能将其识别为string类型，无法进一步转换为数值或时间类型。

2. 清理列名、修改列名后单独处理时间列：你的时间字符串用下划线分隔日期和时间，不符合pandas默认的时间识别规则，需要手动指定格式转换，否则convert_dtypes()无法自动识别为datetime类型：

# 清理列名中的空格
df.columns = df.columns.str.replace(' ', '')
# 按需修改时间列名
df = df.rename(columns={'Timestamps': 'timestamp'})
# 转换时间列格式
df['timestamp'] = pd.to_datetime(df['timestamp'], format="%Y-%m-%d_%H:%M:%S.%f")

3. 执行convert_dtypes()完成剩余类型转换：

df1 = df.convert_dtypes()
# 验证转换结果
print(df1.dtypes)

转换后各列会自动识别为对应的可空类型：时间列为datetime64[ns]、整数字段为Int64、浮点字段为Float64，完全符合预期。

内容的提问来源于stack exchange，提问作者jasonL