在python中如何隐式确定数据帧列类型？（隐式转换）

在我的环境中，出于简单性考虑，决定将所有内容作为字符串存储在hdfs中。因此，当我从这个位置将数据拉入pandas数据帧时，每个类型都是一个字符串，尽管值是int、float、bool等等

是否有一种方法可以基于值计算动态确定列属性类型？ie：看看列中的每个值都是“x”类型，然后按此类型转换

编辑：

由于我的python版本（我想），我无法使用下面的解决方案。所以我决定自己尝试一个骇人的解决方案。这可能并不完美，而且我还没有确定日期。由于这两件事，我不打算将其作为解决方案发布，但这可能是其他需要它的人的起点：

#get dtypes when we can - Doesn't do dates. 
for i in df:
    try:
        df[i] = df[i].astype(int)
        print(i, 'is an int')
    except:
        []
    try:
        if '.' in str(df[i]):
            df[i] = df[i].astype(float)
            print(i, 'is a float')
    except:
        []
    
    try:
        if df[i].replace('False', '').unique()=='True' or df[i].replace('False', '').unique() == 'TRUE':
            df[i] = df[i].replace('False', '').astype(bool).astype(int)
            print(i, 'is bool')     
    except:
        print(i, 'is an object')

---

本质上，我只是试图在错误发生时抛出并捕获它。我确信这可能是一种非常糟糕的方法。但是，我不知道有任何pandas内置功能可以实现这一点，但是您可以使用python函数实现隐式转换

输入数据

df=pd.DataFrame（np.array（[['1'，'0.3'，'True']），
['2'，'5.2'，'False']]），
列=['int'、'float'、'bool']）

铸造功能

def cast_df（df）：
对于df.columns中的列：
如果df[column].dtype！=np.object：
打破
column\u types=df[column].apply（lambda x:type（ast.literal\u eval（x）））
如果len（column_types.unique（））==1：
打印（f“列{Column}被强制转换为{Column_types[0]}”）
df[column]=df[column].astype（列类型[0]）
返回df

cast_df（df）的输出。数据类型

：

Column int is casted to <class 'int'>
Column float is casted to <class 'float'>
Column bool is casted to <class 'bool'>
int        int64
float    float64
bool        bool
dtype: object

列int被强制转换为
列浮动被浇铸为
列布尔被铸造为
int64
浮动浮动64
布尔布尔布尔
数据类型：对象

由于某些原因，这在我的python内核3.5、pyspark 2.4中不起作用。我至少一直收到一个错误。你收到了什么错误消息？