pandas read_csv将整数列转为float64是因NaN不兼容原生int，需用"Int64"、"boolean"或"string"等可空类型配合dtype参数在读取时声明，而非事后astype。
为什么 read_csv 会把整数列变成 float64
这不是推断“错误”，而是 pandas 的默认容错策略：只要一列里出现 NaN，它就放弃整型，改用 float64 —— 因为原生 int 类型不支持缺失值。常见于 merge、concat 或含空值的原始 CSV。
解决思路不是“修复推断”，而是提前声明能容纳缺失值的类型：
-
"Int64"（首字母大写）代替int64：支持pd.NA，且内存比float64小约 50% -
"boolean"代替bool：同样支持pd.NA，避免BooleanArray cannot contain NA报错 - 对 ID 类字段，直接用
str：避免数字开头带前导零（如"00123"）被转成整数后丢失
dtype 参数怎么写才真正生效
dtype 必须在 read_csv() 调用时传入，读完再 astype() 是补救，不是预防。常见失效场景：
- 列名拼写错误或大小写不匹配：检查
df.columns.tolist()确认真实列名 - 用了小写
bool或int：必须用字符串形式"boolean"、"Int64" - 没配合
na_values：比如原始数据用"NULL"表示缺失，但默认只识别空字符串和"NA"，结果"NULL"被当字符串保留，导致"Int64"转换失败
正确写法示例：
df = pd.read_csv("data.csv",<br> dtype={"user_id": "string", "score": "Int64"},<br> na_values=["NULL", "N/A"],<br> keep_default_na=False)
立即学习“Python免费学习笔记（深入）”；
日期列总被当成 object 怎么办
pandas 从不自动把字符串当日期——哪怕格式是 "2024-01-01"。靠 parse_dates 参数或后续 to_datetime() 才能触发转换。
关键点：
-
parse_dates=["date"]在读取时解析，快且省内存；但遇到非法日期（如"2024-02-30"）会直接报错 -
errors="coerce"必须显式加在pd.to_datetime()里，否则失败就中断 - 加
format参数（如format="%Y-%m-%d"）能提速 2–3 倍，且避免歧义（比如"01/02/03"是 1月2日还是2月1日）
推荐组合：
df["date"] = pd.to_datetime(df["date"], errors="coerce", format="%Y-%m-%d")<br>failed_count = df["date"].isna().sum()
大数据下 dtype 指定还有哪些坑
当文件超大（>1GB）、列数多、或含混合类型（如一列里有 "[1,2]" 和 NaN），dtype 仍可能失效：
-
low_memory=False不是解药：它让 pandas 一次性读全文件再推断，极易MemoryError，且推断逻辑本身不可控 - object 列混存
list和float：先astype(object)，再fillna([])，否则fillna会静默失败 - 分类列（
"category"）省空间，但只适合低基数（唯一值
最麻烦的从来不是语法，而是确认业务语义：比如 "status" 列值为 0/1，到底是布尔标识，还是状态编码？类型声明写错，下游所有计算都可能隐性出错。
