在 Pandas 中将 DataFrame 的列转换为 `int` 类型，核心方法是使用 `astype()` 函数，但具体操作需根据数据情况和需求（如转换单列、多列或整个 DataFrame）进行选择。转换前通常需要处理缺失值或非数值数据，并注意不同整数类型（如 `int32`, `int64`）的选择。 ### 核心方法：`astype()` 函数 `astype()` 是 Pandas 中进行数据类型转换的最直接和常用方法，它可以将 Series 或 DataFrame 中的数据类型转换为指定的类型 [ref_3][ref_4][ref_5]。 #### 1. 转换单个列 这是最常见的场景。首先创建一个示例 DataFrame： ```python import pandas as pd import numpy as np # 创建一个包含浮点数和字符串的示例 DataFrame df = pd.DataFrame({ 'A': [1.0, 2.5, 3.7, 4.0], 'B': ['10', '20', '30', '40'], 'C': [1, 2, 3, 4] }) print("原始 DataFrame 及数据类型：") print(df) print(df.dtypes) ``` 输出将显示列 `A` 为 `float64`，列 `B` 为 `object` (字符串)，列 `C` 为 `int64`。 **将浮点数列 `A` 转换为整数：** ```python # 使用 astype() 将列 A 从 float 转换为 int df['A'] = df['A'].astype(int) print("\n转换列 A 为 int 后：") print(df) print(df.dtypes) ``` 执行后，列 `A` 的数据类型将变为 `int64`，且所有值被截断为整数（例如，2.5 变为 2）[ref_6]。 **将字符串列 `B` 转换为整数：** 如果字符串表示的是有效的整数，可以直接转换： ```python df['B'] = df['B'].astype(int) print("\n转换列 B (字符串) 为 int 后：") print(df.dtypes) ``` #### 2. 转换多个列 可以同时将多个列转换为整数类型。 ```python # 重新初始化 DataFrame df = pd.DataFrame({ 'A': [1.0, 2.5, 3.7, 4.0], 'B': ['10', '20', '30', '40'], 'C': [5.1, 6.8, 7.2, 8.9] }) # 将列 A 和列 C 转换为 int df[['A', 'C']] = df[['A', 'C']].astype(int) print("\n转换多列后：") print(df) print(df.dtypes) ``` #### 3. 转换整个 DataFrame 虽然不常见，但可以使用 `astype()` 转换整个 DataFrame 中所有可转换的列为整数类型 [ref_4]。这要求所有列的内容都能被安全地转换为整数。 ```python df_all_numeric = pd.DataFrame({ 'col1': [1.1, 2.2], 'col2': [3.3, 4.4] }) df_all_numeric = df_all_numeric.astype(int) print("\n转换整个 DataFrame 后：") print(df_all_numeric) ``` ### 关键注意事项与高级处理 直接使用 `astype(int)` 可能会遇到问题，需要预先处理。 #### 1. 处理缺失值 (`NaN`) 包含 `NaN`（Not a Number）的浮点数列无法直接转换为整数。 ```python df_with_nan = pd.DataFrame({'values': [1.0, 2.5, np.nan, 4.0]}) print("包含 NaN 的列数据类型:", df_with_nan['values'].dtype) try: # 直接转换会抛出错误 df_with_nan['values'].astype(int) except Exception as e: print(f"转换错误: {e}") ``` **解决方案：** * **使用 `pd.Int64Dtype()` (可空整数类型):** 这是 Pandas 专门用于处理可能包含缺失值的整数列的类型。 ```python df_with_nan['values'] = df_with_nan['values'].astype('Int64') print("\n转换为可空整数类型 Int64 后：") print(df_with_nan) print(df_with_nan['values'].dtype) # 输出: Int64 ``` * **先填充缺失值：** ```python df_filled = df_with_nan.fillna(0) # 用 0 填充 NaN df_filled['values'] = df_filled['values'].astype(int) ``` #### 2. 处理非数值字符串 如果字符串列包含非数字字符（如 `"100a"`），`astype(int)` 会失败。 ```python df_dirty = pd.DataFrame({'ids': ['101', '102', '103a', '104']}) try: df_dirty['ids'].astype(int) except ValueError as e: print(f"转换错误: {e}") ``` **解决方案：** * **使用 `pd.to_numeric()` 配合 `errors` 参数：** 这是更健壮的方法，可以将无效解析设置为 `NaN`，然后再处理。 ```python # 将无法转换的值设为 NaN df_dirty['ids_numeric'] = pd.to_numeric(df_dirty['ids'], errors='coerce') print("\n使用 pd.to_numeric 后：") print(df_dirty) # 然后可以将浮点数转换为可空整数类型 df_dirty['ids_numeric'] = df_dirty['ids_numeric'].astype('Int64') ``` #### 3. 指定整数精度 `int` 默认通常是 `int64`。你可以指定更小的类型以节省内存。 ```python df = pd.DataFrame({'large_range': [100, 200, 300]}) print("原始类型:", df['large_range'].dtype) # 转换为 int32 以节省空间 df['large_range'] = df['large_range'].astype('int32') print("转换后类型:", df['large_range'].dtype) # 其他可用类型包括 int8, int16, int32, int64 # 以及对应的无符号类型 uint8, uint16 等 ``` ### 方法对比与选择 下表总结了不同场景下的推荐方法： | 场景 | 推荐方法 | 代码示例 | 优点 | 注意事项 | | :--- | :--- | :--- | :--- | :--- | | **干净数值列转换** | `astype(int)` 或 `astype(‘int32’)` | `df[‘col’] = df[‘col’].astype(int)` | 简单直接，效率高 [ref_5][ref_6] | 会截断浮点数小数部分；无法处理 NaN | | **包含缺失值的列** | `astype(‘Int64’)` (大写 I) | `df[‘col’] = df[‘col’].astype(‘Int64’)` | 完美支持 NaN，是整数类型 | 类型名为 `Int64`，不是 `int64` | | **字符串列转换** | `pd.to_numeric()` + `astype` | `s = pd.to_numeric(df[‘col’], errors=’coerce’).astype(‘Int64’)` | 健壮，可处理无效字符 | 需要两步，`errors=’coerce’` 将无效值变 NaN | | **转换整个DataFrame** | `df.astype(dtype_dict)` | `df = df.astype({‘col1′: ‘int32’, ‘col2’: ‘int64’})` | 可一次性指定多列不同类型 | 需确保所有目标列都可转换 | | **应用函数转换** | `applymap` (逐元素) | `df = df.applymap(lambda x: int(x) if pd.notnull(x) else x)` | 灵活性极高，可嵌入复杂逻辑 | **效率较低**，不适用于大数据量 [ref_2] | **应用函数转换示例 (`applymap`):** 虽然 `applymap` 可以对 DataFrame 的每个元素应用函数，但在类型转换场景下效率通常低于向量化的 `astype()`，仅在需要非常特殊的逐元素处理时才考虑使用 [ref_2]。 ```python df = pd.DataFrame({'a': [1.1, 2.2], 'b': [3.3, 4.4]}) # 使用 applymap 将所有数值元素转换为 int (效率较低) df_int = df.applymap(lambda x: int(x) if isinstance(x, (int, float)) else x) print(df_int) ``` ### 总结与实践建议 1. **首选 `astype()`**：对于无非数值或缺失值的干净数据，直接使用 `astype(int)` 或指定精度的 `astype(‘int32’)` 是最佳选择 [ref_3][ref_5]。 2. **处理缺失值用 `‘Int64’`**：当列中可能存在 `NaN` 时，务必使用 `astype(‘Int64’)` 进行转换，这是 Pandas 的扩展整数类型。 3. **字符串转换分两步**：先用 `pd.to_numeric(…, errors=’coerce’)` 安全地转换为浮点数（并将错误值转为 `NaN`），然后再用 `astype(‘Int64’)` 转换为可空整数类型。 4. **转换前务必检查**：使用 `df.dtypes` 查看当前类型，使用 `df.head()` 和 `df.isna().sum()` 查看数据样本和缺失情况，避免转换时意外报错或数据丢失。 5. **谨慎处理小数截断**：`astype(int)` 对浮点数是截断而非四舍五入。如果需要四舍五入，应先使用 `round()` 函数：`df[‘col’] = df[‘col’].round().astype(int)`。