你是不是也遇到过这种情况：好不容易收集到数据，却因为格式乱七八糟没法分析 —— 日期格式五花八门，金额里混着各种符号，想算个平均值都难。其实，用对 Python 数据转换技巧，这些问题都能轻松解决。今天就分享几个超实用的方法，新手也能直接套用。

一、数据类型转换：别让类型错误拖后腿

拿到数据先检查类型，这是最基础也最关键的一步。很多分析出错，都是因为类型不对。

3 种最常用的转换方法

import pandas as pd

# 原始数据

data = {

'订单日期': ['2023-10-05', '2023/10/06', '2023年10月07日'],

'金额': ['399', '129.9', '599'],

'用户ID': ['1001', '1002', '1003'],

'产品类别': ['口红', '粉底', '口红']

}

df = pd.DataFrame(data)

# 1. 字符串转日期

df['订单日期'] = pd.to_datetime(df['订单日期'], errors='coerce')

# 2. 文本金额转数字

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

# 3. 字符串用户ID转整数

df['用户ID'] = pd.to_numeric(df['用户ID'], downcast='integer')

# 4. 产品类别转分类类型（省内存）

df['产品类别'] = df['产品类别'].astype('category')

转换时的 3 个避坑点

• 转换失败不报错：加上errors='coerce'，失败的会变成NaN，程序继续运行

• 日期格式乱不怕：pd.to_datetime能自动识别大部分格式，省心

• 大整数别用 int64：downcast='integer'会自动选合适类型，节省内存

检查转换效果：

# 看每列有多少转换失败的

print(df.isnull().sum())

二、格式转换：让数据 “说同一种话”

不同来源的数据格式往往不一样，必须统一才能分析。

日期格式统一

def 统一日期格式(日期列, 目标格式='%Y-%m-%d'):

# 先转成datetime类型

日期时间列 = pd.to_datetime(日期列, errors='coerce')

# 再转成目标字符串格式

统一格式列 = 日期时间列.dt.strftime(目标格式)

# 转换失败的保留原始值

转换失败 = 日期时间列.isna()

统一格式列[转换失败] = 日期列[转换失败].astype(str)

return 统一格式列

# 用法

df['订单日期_统一'] = 统一日期格式(df['订单日期'], '%Y年%m月%d日')

金额里的符号怎么处理？

# 处理带货币符号的金额，如"yen399" "$129.9"

df['金额_清洗'] = df['金额字符串'].astype(str).str.extract(r'(\d+\.?\d*)').astype(float)

# 处理欧洲格式数字，如"1.234,56"（逗号是小数点）

def 欧洲数字转正常(数字列):

清洗列 = 数字列.str.replace('.', '', regex=False)

清洗列 = 清洗列.str.replace(',', '.', regex=False)

return 清洗列.astype(float)

三、结构转换：长表宽表按需转

数据结构不对，分析起来很费劲，长表宽表转换是常用技巧。

长表转宽表（适合汇总）

# 长表数据

长表 = pd.DataFrame({

'用户ID': [1001, 1001, 1002, 1002],

'月份': ['1月', '2月', '1月', '2月'],

'消费金额': [399, 599, 299, 499]

})

# 转宽表：一行一个用户，一列一个月份

宽表 = 长表.pivot(

index='用户ID',

columns='月份',

values='消费金额'

).reset_index()

宽表转长表（适合趋势分析）

# 把宽表转回去

长表2 = pd.melt(

宽表,

id_vars=['用户ID'], # 保持不变的列

value_vars=['1月', '2月'], # 要转换的列

var_name='月份', # 新列名（原列名）

value_name='消费金额' # 新列名（原数值）

)

四、嵌套数据转换：JSON 信息轻松拆

很多数据存在 JSON 格式的字段里，比如用户信息是{"姓名":"张三","年龄":30}，这样拆出来：

import json

def 拆JSON列(数据框, 列名):

def 解析JSON(x):

try:

return json.loads(x) if pd.notna(x) else {}

except:

return {} # 解析失败返回空字典

解析结果 = 数据框[列名].apply(解析JSON)

拆出来的列 = pd.json_normalize(解析结果)

拆出来的列.columns = [f'{列名}_{子列}' for 子列 in 拆出来的列.columns]

return pd.concat([数据框.drop(列名, axis=1), 拆出来的列], axis=1)

# 用法

# df = 拆JSON列(df, 'user_info')

# 会多出user_info_姓名、user_info_年龄等列

五、实战案例：电商订单数据转换全流程

处理有这些问题的订单数据：

• 订单日期格式混乱

• 金额带货币符号

• 用户信息是 JSON 格式

• 评论有乱码

def 处理订单数据(原始数据):

df = 原始数据.copy()

# 1. 类型转换

df['订单日期'] = pd.to_datetime(df['订单日期'], errors='coerce')

df['金额'] = df['金额'].astype(str).str.extract(r'(\d+\.?\d*)').astype(float)

# 2. 格式统一

df['订单日期_标准'] = 统一日期格式(df['订单日期'])

df['订单月份'] = df['订单日期'].dt.month # 提取月份

# 3. 拆JSON列

df = 拆JSON列(df, '用户信息')

# 4. 处理评论乱码

df['评论_清洗'] = df['评论'].str.encode('latin-1').str.decode('utf-8', errors='ignore')

return df

3 个实用小技巧

1. 转换前备份：df_copy = df.copy()，转错了还能重来

2. 大文件分块处理：pd.read_csv(chunksize=10000)，省内存

3. 检查内存占用：df.memory_usage(deep=True).sum()/1024/1024，太大就优化类型

掌握这些数据转换技巧，再乱的数据也能变得整整齐齐，分析起来事半功倍。赶紧试试，有问题评论区留言。觉得有用，点赞收藏吧！