如何用.astype将DataFrame部分列从float转int？np计算报错求助

嘿，其实你用的astype()方法本身就支持只转换指定列，不用整个DataFrame都转～我给你整理了两种实用的方法，结合你的数据示例来演示：

方法1：直接针对指定列操作 #

假设你的DataFrame名叫df，要转换volume和volatility这两列，直接这样写就行：

# 对指定列应用astype()转换为整数
df[['volume', 'volatility']] = df[['volume', 'volatility']].astype(int)

这里要注意：astype(int)会直接截断小数部分（比如你的3.464018e+08会变成346401800），如果需要先四舍五入再转整数，可以先套一层round()：

# 先四舍五入再转换整数
df[['volume', 'volatility']] = df[['volume', 'volatility']].round().astype(int)

方法2：用字典映射实现多列不同类型转换 #

如果后续需要同时给不同列设置不同类型（比如有的转int，有的保持float），可以用字典传参给astype()，更灵活：

# 键是列名，值是目标数据类型
df = df.astype({'volume': int, 'volatility': int})

再聊聊你提到的科学计数法和numpy的"number is finite not infinite"错误：

其实科学计数法只是Pandas的显示格式问题，你的数值本身是有效的有限浮点数，并不是无限值。不过转成整数后确实能规避一些浮点数精度相关的numpy计算问题。

如果转换后还是碰到这个错误，可以先排查下这些列里有没有NaN或者无限值（inf/-inf），用下面的代码就能快速检查：

# 检查指定列是否存在空值
print(df[['volume', 'volatility']].isna().any())
# 检查指定列是否所有值都是有限值
print(np.isfinite(df[['volume', 'volatility']]).all())

如果发现有NaN，转整数前得先处理（比如用fillna()填充），因为普通整数类型存不了NaN，Pandas会自动把列转为Int64（支持空值的整数类型）：

# 填充空值后转支持空值的整数类型
df[['volume', 'volatility']] = df[['volume', 'volatility']].fillna(0).astype('Int64')

内容的提问来源于stack exchange，提问作者teledoc