数据类型的不一致可能导致分析错误，因此在数据清洗中通常需要对数据类型进行转换。
主要包括一下几个方面：
整数（int）和浮点数（float）之间的转换
字符串（str）和整数（int）之间的转换
字符串（str）和浮点数（float）之间的转换
布尔值（bool）和整数（int）之间的转换
复数（complex）和整数（int）或浮点数（float）之间的转换
日期和时间之间的转换等
对于以上数据类型转换，通常可以使用内置函数或类型转换运算符来实现数据类型转换：
int(3.14)
# 返回3
float(3)
# 返回3.0
int('666')
# 返回666
str('0')
# 返回'0'
float('3.14')
# 返回3.14举个例子：将字符串转换为浮点数，并保留两位小数，代码如下
string = "3.14159" # 输入的字符串
number = float(string) # 将字符串转换为浮点数
result = round(number, 2) # 保留两位小数并进行四舍五入
print(result) # 打印结果其他数据类型与布尔类型转换举例：
# 将其他类型转换为布尔值
string_value = "Hello"
boolean_result1 = bool(string_value) # True
print(boolean_result1)
list_value = []
boolean_result2 = bool(list_value) # False
print(boolean_result2)
# 将布尔值转换为整数
true_value = True
integer_result1 = int(true_value) # 1
print(integer_result1)
false_value = False
integer_result2 = int(false_value) # 0
print(integer_result2)
# 输出结果为：
True
False
1
0复数，整数及浮点数之间的转换举例：
# 将整数转换为复数
num = 5
complex_num = complex(num)
print(complex_num) # (5+0j)
# 将浮点数转换为复数
num = 3.14
complex_num = complex(num)
print(complex_num) # (3.14+0j)
# 将复数转换为整数
complex_num = 7 + 8j
integer_part = int(complex_num.real)
print(integer_part) # 7
# 将复数转换为浮点数
complex_num = 9 - 6j
floating_point_part = float(complex_num.real)
print(floating_point_part) # 9.0日期和时间的转换使用内置模块datetime来转换：
# 1. 将字符串类型的日期或时间转换为datetime对象：
from datetime import datetime
date_str = "2024-01-08"
time_str = "14:30:00"
date_obj = datetime.strptime(date_str, "%Y-%m-%d")
time_obj = datetime.strptime(time_str, "%H:%M:%S")
print("Date Object:", date_obj)
print("Time Object:", time_obj)输出结果为：
Date Object: 2024-01-08 00:00:00
Time Object: 1900-01-01 14:30:00
# 2.将datetime对象格式化成指定的字符串形式：
formatted_date = date_obj.strftime("%Y年%m月%d日")
formatted_time = time_obj.strftime("%H点%M分%S秒")
print("Formatted Date:", formatted_date)
print("Formatted Time:", formatted_time)输出结果为：
Formatted Date: 2024年01月08日
Formatted Time: 14点30分00秒
对于Excel表格中的数据，可以使用Python的pandas库来读取和处理数据：
# 以下是将Excel表格中的数据转换为指定数据类型的示例代码：
import pandas as pd
# 读取Excel表格数据
df = pd.read_excel('input.xlsx')
# 将列A的数据类型转换为整数
df['A'] = df['A'].astype(int)
# 将列B的数据类型转换为浮点数
df['B'] = df['B'].astype(float)
# 将列C中的字符串转换为日期格式
df['C'] = pd.to_datetime(df['C'])
# 将列D中的字符串转换为布尔类型
df['D'] = df['D'].astype(bool)
# 将数据写入新的Excel文件
df.to_excel('output.xlsx', index=False)在这个示例中，我们首先使用pd.read_excel()方法读取Excel表格数据，并将其存储在df变量中。然后，我们使用astype()方法将列A和列B的数据类型转换为整数和浮点数。对于列C，我们使用pd.to_datetime()方法将其转换为日期格式。对于列D，我们使用astype(bool)将其转换为布尔类型。最后，我们使用to_excel()方法将处理后的数据写入新的Excel文件。请注意，index=False参数用于避免将索引列写入输出文件中。
