4.6.4 数据类型转换

因为不同的分析方法需要特定的数据类型，数据类型转换是处理和清洗数据的常见操作。课程中通常采用 astype() 方法，可以将序列、数据框的指定列或者整个数据框对象转换为指定的数据类型。本节属于 4.6 数据清洗和预处理，与缺失值、异常值、重复值处理一起，保证进入后续分析的数据不仅完整，而且类型正确。

课程示例先用整数二维数组构造数据框，行标签为一月至四月，列标签为美好集团、北方通信、广东科技：

import numpy as np
from pandas import DataFrame
a = np.array([[163, 113, 132],
              [175, 129, 119],
              [193, 127, 125],
              [189, 126, 110]])
df = DataFrame(a, index=['一月', '二月', '三月', '四月'],
               columns=['美好集团', '北方通信', '广东科技'])

此时各列一般为整数类型（如 int64）。将数据框的所有列都转换成目标类型时，直接对数据框调用：df.astype('float32')。返回的新数据框中，各列显示为 163.0、113.0、132.0 等形式，dtype 均为 float32。该调用只返回新对象，原数据框若未接收返回值，类型保持不变。

只转换一列时，对取出的序列调用 astype()，生成一个新的序列对象。例如 df['北方通信'].astype('float32')，结果索引仍为一月至四月，值分别为 113.0、129.0、127.0、126.0，Name 为北方通信，dtype 为 float32。该语句不会改写原数据框中的「北方通信」列。要将新生成的对象写入原始对象，必须赋值：df['北方通信'] = df['北方通信'].astype('float32')。赋值后只有该列变为 float32，美好集团、广东科技仍为原来的整数类型。

易错点：astype() 默认返回新对象，不原地修改；只写 df.astype('float32') 或 df['北方通信'].astype('float32') 而不赋值，原数据框类型不变。整表转换与单列转换范围不同：前者所有列一起变，后者只影响被选中的那一列。目标类型按课程写成字符串，如 'float32'。不要把本节的 astype() 与缺失值的 fillna()、重复值的 drop_duplicates() 混用；日期字符串转为时间类型属于 4.7.1 的 pd.to_datetime()，不是本节内容。

关键要点

• 不同分析方法需要特定数据类型，转换是数据清洗中的常见操作。
• 核心 API：astype()，可作用于序列、数据框指定列或整个数据框。
• 整表转换：df.astype('float32')，返回新数据框，各列 dtype 为 float32。
• 单列转换：df['北方通信'].astype('float32') 生成新序列；写回须赋值 df['北方通信'] = ...。
• astype() 默认不修改原对象；未赋值则原数据框类型不变。
• 课程示例目标类型为 'float32'；不要与缺失值、重复值方法或 4.7 的时间转换混淆。