Pandas DataFrame中部分浮点值无法转换为整数的问题求助

问题分析与解决办法 #

嘿，这个问题我之前也碰到过，来给你捋捋原因和解决办法！

你执行了df['movieId']=df['movieId'].astype('int')之后，单独查看第92行的movieId却还是浮点类型，主要有两个常见原因：

1. 链式索引导致你看到的是旧数据副本 #

你用df.loc[92]['movieId']这种链式索引（先取行再取列）的时候，pandas很可能返回的是原DataFrame的副本，而不是修改后的视图。这就导致你看到的其实是转换前的旧值。

解决办法：改用单步索引直接访问目标单元格，这才是查看修改后原数据的正确方式：

df.loc[92, 'movieId']

2. 列中存在隐形缺失值（NaN），导致转换失败 #

如果你的movieId列原本包含NaN（缺失值），直接用astype('int')会因为NaN是浮点类型而转换失败——这时候pandas可能不会报错，但实际上整个列还是保持浮点类型，只有部分有效值被“显示”为整数。

验证是否有缺失值：

# 查看列中缺失值的数量
print(df['movieId'].isna().sum())

对应解决办法：

• 方案一：先填充缺失值，再转换为普通整数类型

  # 这里用0填充，你可以根据需求换成其他值
  df['movieId'] = df['movieId'].fillna(0).astype('int')
  

• 方案二：使用pandas的可空整数类型Int64（注意大写I），允许列中保留缺失值

  df['movieId'] = df['movieId'].astype('Int64')
  

额外验证步骤 #

先确认整个列的类型，而不是单个单元格：

print(df['movieId'].dtype)

如果输出是int64，说明整个列已经成功转换，之前的问题完全是链式索引导致的；如果输出还是float64，那肯定是列中存在NaN或者其他不可转换的元素，按照上面的缺失值处理方案来就行。

内容的提问来源于stack exchange，提问作者Rupesh Mohan