dataframe统一数据类型

DataFrame 是一种在 Python 的 Pandas 库中常用的数据结构，它类似于电子表格或 SQL 数据表，具有二维表格的形式，每一列可以包含不同类型的值。统一数据类型是 DataFrame 中的一项重要操作，因为这有助于提高性能、简化操作和减少错误。

在 Pandas 中，DataFrame 的每列默认会保存不同类型的值。然而，有时我们可能希望将所有数据转换为相同的类型，以便于进一步处理。例如，如果一列原本混合了字符串和数字，可能需要将其转换为数值类型（如 int 或 float），或者将所有非数值项转换为 NaN（Not a Number）。

统一数据类型的方法通常包括：
1. **使用 `astype()` 函数**：可以指定特定列或整个 DataFrame 的数据类型，例如 `df['column_name'] = df['column_name'].astype('int')` 或 `df.astype({'column1': 'int', 'column2': 'float'})`。
2. **检查和转换**：使用 `df.dtypes` 查看数据类型，然后根据需要使用条件操作或 `pd.to_numeric()` 进行转换。
3. **异常处理**：在转换过程中，可能会遇到无法转换为指定类型的值，这时需要处理这些异常，通常是设置 `errors='coerce'` 来将无法转换的值设为 NaN。