在处理部分列中的数据类型转换时，可以使用以下方法：

1. 使用astype()函数：astype()函数可以将一个列的数据类型转换为指定的数据类型。例如，将一个列的数据类型转换为整数型：

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

2. 使用to_numeric()函数：to_numeric()函数可以将一个列的数据类型转换为数字类型。例如，将一个列的数据类型转换为浮点型：

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

3. 使用apply()函数：apply()函数可以对一个列中的每个元素应用一个自定义的函数。例如，将一个列的数据类型转换为字符串型：

df['column_name'] = df['column_name'].apply(str)

4. 使用map()函数：map()函数可以对一个列中的每个元素应用一个自定义的映射关系。例如，将一个列的数据类型转换为布尔型：

df['column_name'] = df['column_name'].map({'True': True, 'False': False})

需要注意的是，在进行数据类型转换时，可能会出现一些异常值（如非数字字符），可以通过设置errors参数来处理这些异常值。常见的errors参数取值包括'coerce'（将非数字字符转换为NaN）和'ignore'（保持原样）。

以上是几种常见的处理部分列中的数据类型转换的方法，根据具体情况选择合适的方法进行处理。