### 一、`astype(int)` 和 `int()` 的区别 在 Python 中，尤其是使用 **NumPy** 或 **Pandas** 进行数据处理时，我们经常会看到 `astype(int)` 和 `int()`。它们都可以用于类型转换，但适用对象和使用场景不同。 --- ### 1. `astype(int)` - **适用对象**：NumPy 数组（`numpy.ndarray`）、Pandas Series/DataFrame。 - **作用**：将整个数组或 Series 中的元素统一转换为指定类型（如整型）。 - **返回值**：一个新的数组或 Series，原始数据不变（除非设置 `inplace=True`）。 #### 示例： ```python import numpy as np a = np.array([1.0, 2.5, 3.7]) b = a.astype(int) print(b) # 输出: [1 2 3] ``` --- ### 2. `int()` - **适用对象**：单个数值、字符串等可以转换成整数的对象。 - **作用**：将一个对象转换为整数类型。 - **返回值**：一个整数。 #### 示例： ```python x = "123" y = int(x) print(y) # 输出: 123 z = int(3.7) print(z) # 输出: 3 ``` --- ### 二、主要区别总结： | 特性 | `astype(int)` | `int()` | |------------------|----------------------------------------|--------------------------------------| | 数据类型支持 | NumPy 数组、Pandas Series/DataFrame | 单个值（如 float、str 等） | | 转换方式 | 批量转换 | 单个转换 | | 是否修改原数据 | 否（除非设置 `inplace=True`） | 不适用 | | 性能 | 高效处理大量数据 | 适用于小规模或单个数据 | --- ### 三、注意事项 - 如果你尝试用 `int()` 去转换一个 NumPy 数组或 Pandas Series，会抛出错误： ```python import numpy as np arr = np.array([1.1, 2.2, 3.3]) print(int(arr)) # 报错：only size-1 arrays can be converted to Python scalars ``` 正确做法是使用 `.astype(int)` 或者先提取单个元素。 - 反之，如果你对一个非数组对象使用 `astype()`，也会报错： ```python x = 3.5 x.astype(int) # 报错：'float' object has no attribute 'astype' ``` ---