Pandas类型转换astype()的实现与注意事项

白榆

发布时间：2026-10-15| 5人浏览过

原创

本文详细介绍Pandas中astype()函数的用法，涵盖基础类型转换、处理非标准数据格式（如含百分号的字符串）以及加载时指定类型。通过示例解析如何安全地将数值、字符串及时间类型进行转换，并指出转换失败时的处理策略，帮助开发者高效进行数据清洗。

在Python的Pandas库中，不同数据类型之间存在明确的对应关系，理解这些关系是进行数据操作的基础。

若原始数据质量较高且纯净，通常可以直接将其转换为数值类型。
astype()函数主要适用于两种场景：一是将数字转换为纯字符串，二是将仅包含数字的字符串转换为数值类型。需要注意的是，如果字符串中包含非数字字符，直接使用该函数进行转换将会失败。
当遇到包含非数字字符的复杂字符串时，需要结合其他方法进行处理，例如编写自定义函数来清洗数据后再进行转换。

astype()是Pandas中最常用且通用的数据类型转换工具，适用于大多数常规转换需求。

import pandas as pd
 
df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ], 
                   columns = ['name','team','Q1','Q2','Q3','Q4'])
 
res = df.dtypes
 
df.Q1.astype('int32').dtypes # dtype('int32')
df.astype({'Q1':'int32','Q2':'int32'}).dtypes

以下是具体的运行结果展示。

查看DataFrame对象df。

查看转换后的结果res。

扩展知识

# 以下是一些使用示例:
df.index.astype('int64') # 索引类型转换
df.astype('int32') # 所有数据转换为int32
df.astype({'col1':'int32'}) # 指定字段转指定类型
s.astype('int64')
s.astype('int64',copy = False) # 不与原数据关联
df['name'].astype('object')
data['Q4'].astype('float')
s.astype('datatime64[ns]') # 转为时间类型
data['状态'].astype('bool')

关于数据类型的更多细节。

使用df.dtypes属性可以返回DataFrame中每个字段的数据类型，以及整个DataFrame的类型信息。

如果处理的是Series对象，则需要使用s.dtype属性来获取其数据类型。

import pandas as pd
 
df = pd.DataFrame([['liver','E',89,21,24,64],
                   ['Arry','C',36,37,37,57],
                   ['Ack','A',57,60,18,84],
                   ['Eorge','C',93,96,71,78],
                   ['Oah','D',65,49,61,86]
                  ], 
                   columns = ['name','team','Q1','Q2','Q3','Q4'])
df.dtypes
 
s = pd.Series(['One','Two','Three'])
s.dtype

以下是查看数据类型的结果展示。

查看DataFrame对象df。

查看Series对象s。

当数据格式不符合目标类型的转换条件时，必须先对数据进行预处理或清洗。

例如，字符串“89.3%”无法直接转换为数字，必须先去除百分号。

# 将"89.3%"这样的文本转为浮点数
data.rate.apply(lambda x:x.replace('%','')).astype('float')/100

在加载数据阶段，就可以直接指定各列的数据类型，以提高效率。

import pandas as pd
 
# 对所有字段指定统一类型
df = pd.DataFrame(data, dtype = 'float32')
# 对每个字段分别指定
df = pd.read_excel(data, dtype = {'team':'string','Q1':'int32'})

至此，关于Pandas类型转换astype()的实现介绍完毕。如需了解更多相关内容，建议搜索本站过往文章或继续阅读后续文章，感谢支持。