python - 无法更改数据框中的数据类型

Question

我有一个数据框 df 如下所示:

        birth_year  person
    0       1980         0
    1       1981         1
    2       1982         2
    3       1983         3
    4       1984         4

birth_year 列看起来像数字，但是当我检查数据类型时 df['birth_year'].dtype 结果为 dtype('O')

所以我认为它实际上可能是一个字符串，并尝试使用 df['birth_year'].astype('int') 将其转换为数字，但出现错误:

    UnicodeEncodeError: 'decimal' codec can't encode characters in position 
    0-3: invalid decimal Unicode string

经过一些谷歌搜索后，我开始明白(可能是错误的)其中似乎有一些不可见的字符。当访问值 df['birth_year'][0] 时，我得到的值是 1980L，而不是 1980。

那么数据类型到底是什么，如何将其转换为整数？我在某处读到，如果返回的数据类型是dtype('O')，通常意味着它是一个字符串，但似乎并非如此。

Answer 1

您可以使用 df['birth_year'].astype(int) 正常转换，但似乎您有无效值，使用 df = df.convert_objects(convert_numeric=True) 会将无效值强制转换为 NaN，这可能是您想要的，也可能不是您想要的，因为这会将 dtype 更改为 float64 而不是 int64。

最好查看无效的字符串值以确定它们无法转换的原因。

因此您可以执行 df[df.convert_objects(convert_numeric).isnull()] 来获取具有无效 'birth_year' 值的行