Измените dtype для dataframe автоматически после применения некоторых операций

Вы можете использовать метод .astype() для изменения dtypes. Используйте dict для таргетинга определенных столбцов и их предполагаемых типов.

import numpy as np

# Create data frame and clean data...

types = {'A': np.int64, 'B': np.int64, 'C': np.str}
df = df.astype(types)

df.dtypes

A     int64
B     int64
C    object
dtype: object

EDIT: Если я правильно вас понимаю, вы хотите, чтобы dtypes кадра данных после его очистки. В этом случае вы можете сделать следующее:

# Implicitly convert numeric types; see the 'convert_objects'
# documentation for other supported types
df = df.convert_objects(convert_numeric=True)

df.apply(pd.api.types.infer_dtype)

A    integer
B    integer
C     string
dtype: object

Или, для дикта:

dict(df.apply(pd.api.types.infer_dtype))

{'A': 'integer', 'B': 'integer', 'C': 'string'}

Примечание. Я использую pandas 0.23.3.

EDIT 2: По вашему запросу здесь приведен полный код, который я использую. Я также упростил его, так что никаких выводов не требуется.

from io import StringIO
txt = '''A B C 
1Â 2Â abcÂ
2Â 5Â defÂ'''

df = pd.read_table(StringIO(txt), sep = '\s{1,}', engine='python')
df = df.applymap(lambda x: x.strip('Â'))

df = df.convert_objects(convert_numeric=True)

df.dtypes

A     int64
B     int64
C    object
dtype: object

Это происходит потому, что ваши 1 и 2 на самом деле "1" и "2". Таким образом, панды просто указывают, что у вас есть столбцы строк, потому что, ну, это строки. Они являются строками, потому что панды предполагали, что 1Â - строка, а когда вы 1Â Â, вы 1Â с str "1"

Вместо этого вы можете вручную проанализировать свои данные и просто создать фрейм данных с очищенными данными.

Например

def clean(txt):
    return txt.read().replace('Â', '')

Сейчас

pd.read_table(StringIO(clean(txt)), delim_whitespace=True).dtypes

доходность

A     int64
B     int64
C    object
dtype: object