我刚刚遇到了这个问题，Pandas的问题仍然是开放的，所以我张贴我的解决办法。假设df是我的DataFrame，dtype是一个将列名Map到类型的dict：

for k, v in dtype.items():
    df[k] = df[k].astype(v)

(note：在python中使用dtype.iteritems() 2）
供参考：

• 允许的数据类型列表（NumPy dtypes）：https://docs.scipy.org/doc/numpy-1.12.0/reference/arrays.dtypes.html
• Pandas还支持一些其他类型。例如，category：http://pandas.pydata.org/pandas-docs/stable/categorical.html
• GitHub相关问题：https://github.com/pandas-dev/pandas/issues/9287

您可能想尝试将Series对象的字典传递给DataFrame构造函数-它将为您提供对创建的更具体的控制，并且应该更清楚地了解正在发生的事情。模板版本（data1可以是数组等）：

df = pd.DataFrame({'column1':pd.Series(data1, dtype='type1'),
                   'column2':pd.Series(data2, dtype='type2')})

以数据为例：

df = pd.DataFrame({'A':pd.Series([1,2,3], dtype='int'),
                   'B':pd.Series([7,8,9], dtype='float')})

print (df)
   A  B
0  1  7.0
1  2  8.0
2  3  9.0

print (df.dtypes)
A     int32
B    float64
dtype: object

从pandas版本0.24.2（当前的稳定版本）开始，不可能将数据类型的显式列表作为docs状态传递给DataFrame构造函数：

dtype : dtype, default None

    Data type to force. Only a single dtype is allowed. If None, infer

然而，dataframe类确实有一个静态方法，允许您将numpy结构化数组转换为dataframe，因此您可以执行以下操作：

>>> myarray = np.random.randint(0,5,size=(2,2))
>>> record = np.array(map(tuple,myarray),dtype=[('a',np.float),('b',np.int)])
>>> mydf = pd.DataFrame.from_records(record)
>>> mydf.dtypes
a    float64
b      int64
dtype: object

在Pandas 1.5.3版本中，可以传递显式数据类型：

import pandas as pd
data = (['Alex', 10],["Bob",12],["Clarke",11.05])
df = pd.DataFrame(data,columns=("Name", "Age"),dtype=(str, float))
print(df)

在使用数据类型时，它们应该作为字符串传递。
例如，后面的方法应该修改为
mydf = pd.DataFrame(myarray,columns=['a','b'], dtype={'a': 'int'})
而不是
mydf = pd.DataFrame(myarray,columns=['a','b'], dtype={'a': int})。
dtype (int, float etc.)应该作为字符串给出。
或者作为替代方法（如果你不想作为字符串传递）import numpy as np并使用mydf = pd.DataFrame(myarray,columns=['a','b'], dtype={'a': np.int})