Python 将对象（字符串）转换为Int32:TypeError:对象无法转换为IntegerType时出错

尝试将Pandas中的object（string）列转换为

Int32

，这是允许

NA

值的整数类型时，出现以下错误

df.column = df.column.astype('Int32')

TypeError:无法将对象转换为IntegerDtype

---

我正在使用pandas版本：0.25.3

如前所述，这是一个已知的bug

解决方法是首先将列转换为

float

，然后再转换为

Int32

在进行转换之前，请确保将列从空白中删除：

df.column = df.column.str.strip()

df.column = df.column.astype('float')  # first convert to float before int
df.column = df.column.astype('Int32')

比转换更重要的是：

df.column = df.column.str.strip()

df.column = df.column.astype('float')  # first convert to float before int
df.column = df.column.astype('Int32')

或更简单：

 df.column = df.column.astype('float').astype('Int32') # or Int64

---

我个人使用

df=df.astype（{I:type_dict[I]for I in header}，errors='ignore'）

来处理这个问题。请注意，

属性错误

将忽略所有类型的警告。虽然它非常不雅观，可能会导致其他严重错误，但它确实可以将

np.NAN

或

类似'100`

或

int-like 100

的int字符串转换为pandas.int。

---

希望这能对您有所帮助。

从v0.24开始，您可以使用：

df['col']=df['col'].astype（pd.Int32Dtype（））

---

编辑：我应该提到这属于文档。文档还指定了其他可为空的整数类型（即Int64Dtype、Int8Dtype、UInt64Dtype等）。

Haolin，您建议的方法返回NameError：名称“header”未定义首先转换为float，然后使用它，这一错误在一年后仍然存在。