混合数据类型列必须显式指定或清洗，否则read_csv会因任意非数字内容将整列设为object类型，导致后续计算出错；推荐用converters配合pd.to_numeric容错转换，而非依赖astype强转。
混合数据类型列不能靠自动推断，必须显式指定或清洗，否则 read_csv 会把数字和字符串混在一起变成 object 类型，后续计算、排序、分组全会出错。
为什么 read_csv 会把一列读成 object 却不报错？
Pandas 默认启用类型自动推断（infer_dtype=True），但只要该列任意一行含非数字内容（比如空格、"N/A"、单位符号 "kg"、甚至一个意外的字符串），整列就会被设为 object。它不会警告你“这列其实本该是数值”，也不会尝试局部转换。
常见诱因包括：
- Excel 导出 CSV 时把空单元格转成空字符串
""或字符串" " - 原始数据里夹杂注释，如
"12.5 (est)" - 用不同分隔符混排，比如
"1,234.5"（千位逗号）被当字符串处理 - 列中存在
None、NaN、"NULL"、"missing"等多种缺失标识
用 dtype 和 converters 在读取时就控制类型
比读完再 astype() 更可靠：避免中间状态污染、减少内存占用、防止隐式转换失败。
立即学习“Python免费学习笔记（深入）”；
推荐组合策略：
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 对明确应为数值的列，用
dtype={"col": "float64"}—— 但注意：若含非法字符会直接报ValueError: could not convert string to float - 更稳妥用
converters={"col": pd.to_numeric}，它默认容忍错误：pd.to_numeric(x, errors="coerce")会把无法解析的转为NaN - 若需保留原始字符串中的部分信息（如带单位的重量），先用
converters提取数字：lambda x: float(x.replace("kg", "").strip()) if x else np.nan - 对日期混合列（如
"2023-01-01"和"Q1 2023"），不要强设datetime64，先用converters统一规整再调pd.to_datetime(..., errors="coerce")
astype() 强转失败的三个典型原因及应对
读入后想用 df["col"].astype("float64") 却报错？大概率是下面之一：
- 存在不可见字符：用
df["col"].str.strip().str.replace(r"\s+", "", regex=True)清理前后空格和换行 - 含 Unicode 分隔符（如中文顿号、全角空格）：检查
repr(df["col"].iloc[0])看真实字符，再针对性str.replace - 混合了
int、float、str三种 Python 对象：此时astype不起作用，必须先用pd.to_numeric(..., errors="coerce")或自定义函数统一映射
别依赖 df["col"].apply(type).unique() 查类型——object 列里混着 str、int、float 时，这个结果毫无意义；真正要看的是 df["col"].apply(repr).unique()[:5]。
用 pd.api.types.infer_dtype 快速诊断列的真实构成
它比 df.dtypes 细粒度得多，能告诉你一列实际是 "mixed-integer"、"string" 还是 "mixed"（即真·混杂）：
import pandas as pd print(pd.api.types.infer_dtype(df["col"])) # 输出可能是 "mixed" 或 "mixed-integer-float"
如果返回 "mixed"，基本可判定该列需要人工清洗；返回 "string" 但你预期是数字？说明所有值都被当字符串读进来了，得回溯 read_csv 参数。
注意：infer_dtype 不处理 NaN，也不影响实际类型，纯属诊断工具——但它能帮你快速判断“是不是该列的问题”，而不是在下游聚合时报错后才回头找。
最常被忽略的一点：混合类型问题往往不是单列问题，而是整个数据源格式不稳定。与其反复修补某列，不如在 read_csv 阶段用 converters + na_values + keep_default_na 三者联动，把脏数据扼杀在入口。一旦进入 object 列，Pandas 就不再帮你做任何类型假设了。
