问题描述：

我已经将一个 SQL 查询读入 Pandas，虽然值是字符串、日期和整数，但其数据类型却是“object”。我能够将日期“object”转换为 Pandas 的 datetime 数据类型，但在尝试转换字符串和整数时出现错误。

以下是一个例子：

>>> import pandas as pd
>>> df = pd.read_sql_query('select * from my_table', conn)
>>> df
    id    date          purchase
 1  abc1  2016-05-22    1
 2  abc2  2016-05-29    0
 3  abc3  2016-05-22    2
 4  abc4  2016-05-22    0

>>> df.dtypes
 id          object
 date        object
 purchase    object
 dtype: object

将其转换df['date']为日期时间有效：

>>> pd.to_datetime(df['date'])
 1  2016-05-22
 2  2016-05-29
 3  2016-05-22
 4  2016-05-22
 Name: date, dtype: datetime64[ns] 

df['purchase']但是当我尝试将其转换为整数时出现错误：

>>> df['purchase'].astype(int)
 ....
 pandas/lib.pyx in pandas.lib.astype_intsafe (pandas/lib.c:16667)()
 pandas/src/util.pxd in util.set_value_at (pandas/lib.c:67540)()

 TypeError: long() argument must be a string or a number, not 'java.lang.Long'

注意：当我尝试时我得到了类似的错误.astype('float')

当尝试转换为字符串时，似乎什么也没有发生。

>>> df['id'].apply(str)
 1 abc1
 2 abc2
 3 abc3
 4 abc4
 Name: id, dtype: object

解决方案 1：

根据@piRSquared 的评论记录对我有用的答案。

我需要先转换为字符串，然后再转换为整数。

>>> df['purchase'].astype(str).astype(int)

解决方案 2：

熊猫> = 1.0

convert_dtypes

(自我)接受的答案没有考虑到对象列中存在 NaN 的可能性。

df = pd.DataFrame({
     'a': [1, 2, np.nan], 
     'b': [True, False, np.nan]}, dtype=object) 
df                                                                         

     a      b
0    1   True
1    2  False
2  NaN    NaN

df['a'].astype(str).astype(int) # raises ValueError

这会导致错误，因为 NaN 会被转换为字符串“nan”，进一步尝试强制转换为整数将会失败。为了避免这个问题，我们可以使用以下命令将列软转换为其对应的可空类型convert_dtypes：

df.convert_dtypes()                                                        

      a      b
0     1   True
1     2  False
2  <NA>   <NA>

df.convert_dtypes().dtypes                                                 

a      Int64
b    boolean
dtype: object

如果您的数据中有垃圾文本与整数混合，您可以使用以下方法pd.to_numeric作为初始步骤：

s = pd.Series(['1', '2', '...'])
s.convert_dtypes()  # converts to string, which is not what we want

0      1
1      2
2    ...
dtype: string 

# coerces non-numeric junk to NaNs
pd.to_numeric(s, errors='coerce')

0    1.0
1    2.0
2    NaN
dtype: float64

# one final `convert_dtypes` call to convert to nullable int
pd.to_numeric(s, errors='coerce').convert_dtypes() 

0       1
1       2
2    <NA>
dtype: Int64

解决方案 3：

df['col_name'] = pd.to_numeric(df['col_name'])

这是一个更好的选择

解决方案 4：

我的训练数据包含三个特征，应用后将astype对象转换为数字，但在此之前，您需要执行一些预处理步骤：

train.dtypes

C12       object
C13       object
C14       Object

train['C14'] = train.C14.astype(int)

train.dtypes

C12       object
C13       object
C14       int32

解决方案 5：

很简单

pd.factorize(df.purchase)[0]

例子：

labels, uniques = pd.factorize(['b', 'b', 'a', 'c', 'b'])`

labels
# array([0, 0, 1, 2, 0])

uniques
# array(['b', 'a', 'c'], dtype=object)

解决方案 6：

要更改数据类型并将其保存到数据框中，需要按如下方式替换新的数据类型：

ds["cat"] = pd.to_numeric(ds["cat"])

或者

ds["cat"] = ds["cat"].astype(int)

解决方案 7：

请按照以下步骤操作：

1.清理您的文件->以csv格式打开您的数据文件，查看空白处是否有“？”并将其全部删除。

2.删除包含缺失值的行，例如：

df.dropna(subset=["normalized-losses"], axis = 0 , inplace= True)

3.现在使用 astype 进行转换

df["normalized-losses"]=df["normalized-losses"].astype(int)

注意：如果仍然在程序中发现错误，请再次检查您的csv文件，在 Excel 中打开它以查找所需的列中是否有“？”，然后将其删除并保存文件，然后返回并运行您的程序。

评论成功！如果有效的话。:)

解决方案 8：

无法评论，因此将其作为答案发布，该答案介于@piRSquared / @cyril的解决方案和@cs95的解决方案之间：

正如@cs95 所指出的，如果您的数据包含 NaN 或 None，则在转换为字符串类型后尝试转换为 int 时会引发错误。

但是，如果您的数据由（数字）字符串组成，则使用convert_dtypes会将其转换为字符串类型，除非您pd.to_numeric按照@cs95 的建议使用（可能与结合df.apply()）。

如果您的数据仅由数字字符串组成（包括 NaN 或 None 但没有任何非数字“垃圾”），则可能更简单的替代方法是先将其转换为浮点数，然后将其转换为pandas 提供的可空整数扩展数据类型之一（已存在于 0.24 版中）（另请参阅此答案）：

df['purchase'].astype(float).astype('Int64')

请注意， github上最近对此进行了讨论（尽管目前是一个未解决的已关闭问题），并且对于非常长的 64 位整数，您可能必须明确转换为float128以避免在转换过程中出现近似值。

解决方案 9：

如果这些方法失败，您可以尝试如下列表推导：

df["int_column"] = [int(x) if x.isnumeric() else x for x in df["str_column"] ]

解决方案 10：

就我而言，我有一个包含混合数据的 df：

df:
                     0   1   2    ...                  242                  243                  244
0   2020-04-22T04:00:00Z   0   0  ...          3,094,409.5         13,220,425.7          5,449,201.1
1   2020-04-22T06:00:00Z   0   0  ...          3,716,941.5          8,452,012.9          6,541,599.9
....

浮点数实际上是物体，但我需要它们是真正的浮点数。

要修复此问题，请参考上面@AMC 的评论：

def coerce_to_float(val):
    try:
       return float(val)
    except ValueError:
       return val

df = df.applymap(lambda x: coerce_to_float(x))

解决方案 11：

将对象转换为数值int或float。

代码是：--

df["total_sqft"] = pd.to_numeric(df["total_sqft"], errors='coerce').fillna(0, downcast='infer')

解决方案 12：

使用 astype 函数转换该列的数据类型

解决方案 13：

这是我的数据

## list of columns 
l1 = ['PM2.5', 'PM10', 'TEMP', 'BP', ' RH', 'WS','CO', 'O3', 'Nox', 'SO2'] 

for i in l1:
 for j in range(0, 8431): #rows = 8431
   df[i][j] = int(df[i][j])

我建议你只在数据量较小的情况下使用这个方法。此代码的复杂度为 O(n^2)。