astype(int)报错主因是数据含空值、空格或非数字字符；应先清洗再用pd.to_numeric(..., errors="coerce")，或严格校验后使用。
为什么 astype() 会报 ValueError: invalid literal for int()
这是最常卡住人的地方：你明明想把一列字符串转成整数，astype(int) 却直接崩了。根本原因不是函数不行，而是数据里混着空值、空格、"N/A"、"-" 这类非数字字符。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 先用
df["col"].str.strip().replace("", "0")清洗空白和占位符（注意：必须先str访问器才能用strip） - 再用
pd.to_numeric(df["col"], errors="coerce")—— 它会把所有非法值转成NaN，比astype安全得多 - 如果必须用
astype，得先确保无缺失且全为纯数字，比如：df["col"].dropna().str.isnumeric().all()检查一遍
时间列转 datetime 总是不准，to_datetime() 的 format 参数到底要不要写
不写 format 看似省事，但 pandas 会自动推断格式，一旦遇到模糊写法（比如 "01/02/2023"），它默认按 MM/DD/YYYY 解析，而你可能想要 DD/MM/YYYY。推断还慢，尤其百万行以上。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 只要原始时间字符串格式统一，就老老实实写
format，比如pd.to_datetime(df["date"], format="%Y-%m-%d %H:%M:%S") - 不确定格式？先用
df["date"].head(5).tolist()看真实样本，别靠猜 -
errors="coerce"仍是必备项，避免单条脏数据让整列失败 - 时区敏感场景（如日志时间），加上
utc=True或tz="Asia/Shanghai"，否则后续时序计算会偏移
category 类型真能提速？什么情况下反而拖慢分析
对高重复低基数的字符串列（比如“省份”“状态”“产品类别”），转 category 能省内存、加速 groupby 和 value_counts；但若列里每行都不同（比如用户 ID、长文本），它不仅不省空间，还会让 .str 操作失效，甚至让 merge 变慢。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 判断是否适合：运行
df["col"].nunique() / len(df) < 0.05，比值小于 5% 才值得转 - 转换后别直接做字符串操作——
df["col"].str.upper()会报错，得先astype(str)回来 - 导出到 CSV 前记得
df["col"] = df["col"].astype(str)，否则 category 的编码值会被写进去，下次读就不是原字符串了
从 Excel 或 CSV 读入时就定死类型，比后期转换更稳
很多人习惯 pd.read_csv() 全读进来再逐列 astype，但这样容易漏掉隐式类型错误（比如数字列里混了个 "NULL" 字符串，读成 object 后再转 int 就崩）。不如在读取阶段就约束。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 用
dtype参数预设关键列类型：pd.read_csv("data.csv", dtype={"user_id": "string", "score": "Int64"})（注意"Int64"是可空整型，支持NaN） - 时间列直接用
parse_dates=["order_time"]，比读完再to_datetime更早暴露格式问题 - 遇到含千分位逗号的数字（如
"1,234.56"），先用thousands=","，再配合dtype={"sales": "float64"}
类型转换不是越早越好，也不是越细越好；关键是清楚每一列的数据语义和下游用途。一个 object 列看着碍眼，但如果它实际是混合类型（比如既有日期又有字符串），硬转只会埋雷。
