dataframe中object 与int64之间的转换过程很迷惑，求解？

Question

在对dataframe进行concat合并的时候，df_A有数据，df_B是从数据库表中查询到的空df。concat以后，原来df_A中的int64字段变成了object。
由此带来了一系列诡异的错误：
对df进行groupby mean 求均值报错，对列进行数值计算时速度奇慢无比。其它致命的错误还有没有暂时未知。
请问这个应当如何解决？

Answer 1

这可能是因为df_B中的int64字段的数据类型为null，所以在进行合并的时候会将int64字段的数据类型转换为object。

可以在查询数据库表时将空值设置为0，这样就可以保证df_B中int64字段的数据类型不会变化，避免在concat合并时出现数据类型变化的问题。

例如，在查询数据库表时可以使用如下语句：

SELECT COALESCE(int64_field, 0) AS int64_field FROM table_name

这样，当int64_field为空时，会将它设置为0，避免出现null值。

在pandas中，object类型表示的是字符串类型，而int64类型表示的是整数类型。转换过程中，需要将object类型的数据转换成int64类型的数据。

首先，需要确保object类型的数据中只包含整数。如果存在字符串或其他类型的数据，则转换可能会出错。

然后，可以使用pandas的astype()函数来进行转换。例如：

df['column_name'] = df['column_name'].astype(int)

这样就可以将df中的column_name列从object类型转换成int64类型。

注意，如果在转换过程中出现了错误，可以使用pandas的to_numeric()函数来解决。例如：

df['column_name'] = pd.to_numeric(df['column_name'], errors='coerce')

这样，就可以将df中的column_name列转换成int64类型，并且在转换过程中出现的错误会被忽略。

总之，在pandas中，object类型与int64类型之间的转换可以通过astype()函数或to_numeric()函数实现。在转换过程中，要注意数据的类型是否正确，以免出现错误。