如果您已经拥有数字dtypes（ ，
int8|16|32|64，
float64），
boolean你可以将其转换为使用另一种“数字” D型
pandas .astype（）方法。
演示：
In [90]: df = pd.Dataframe(np.random.randint(10**5,10**7,(5,3)),columns=list('abc'), dtype=np.int64)In [91]: dfOut[91]: a b c0 9059440 9590567 20769181 5861102 4566089 19473232 6636568 162770 24879913 6794572 5236903 56287794 470121 4044395 4546794In [92]: df.dtypesOut[92]:a int64b int64c int64dtype: objectIn [93]: df['a'] = df['a'].astype(float)In [94]: df.dtypesOut[94]:a float64b int64c int64dtype: object它不适用于 无法* 转换为数字的object
（字符串）dtypes ： *
In [95]: df.loc[1, 'b'] = 'XXXXXX'In [96]: dfOut[96]:a b c0 9059440.0 9590567 20769181 5861102.0 XXXXXX 19473232 6636568.0 162770 24879913 6794572.0 5236903 56287794 470121.0 4044395 4546794In [97]: df.dtypesOut[97]:a float64b objectc int64dtype: objectIn [98]: df['b'].astype(float)...skipped...ValueError: could not convert string to float: 'XXXXXX'
所以在这里我们要使用pd.to_numeric（）方法：
In [99]: df['b'] = pd.to_numeric(df['b'], errors='coerce')In [100]: dfOut[100]:a b c0 9059440.0 9590567.0 20769181 5861102.0 NaN 19473232 6636568.0 162770.0 24879913 6794572.0 5236903.0 56287794 470121.0 4044395.0 4546794In [101]: df.dtypesOut[101]:a float64b float64c int64dtype: object
