Python pandas中Object转Int64失败求助（astype/to_numeric无效）

问题出在你的数据里有带千分位逗号的字符串（比如'4,600'），直接转int64会因为逗号不是有效数字字符报错。得先把逗号去掉再转换，或者在读取CSV的时候就处理好。

方案1：读取CSV时直接处理（推荐） #

修改loadDataFile方法，利用pandas.read_csv的thousands参数自动解析带逗号的数值，同时用na_values把'na'标记为缺失值，之后再填充为0：

def loadDataFile(self):
    # thousands=',' 自动识别千分位逗号，na_values='na'把na设为NaN
    self.df = pd.read_csv('Int_Monthly_Visitor.csv', index_col=0, thousands=',', na_values='na')
    # 把NaN填充为0，转成int64类型
    self.df = self.df.fillna(0).astype(np.int64)

这样后续parseData里直接取place就已经是int64类型了，不需要再转换：

def parseData(self):
    location = self.area[self.areaRegion]
    place = self.df.filter(items=location)
    print(place.info())

方案2：在parseData里处理现有数据 #

如果不想修改读取逻辑，就在parseData里先清理逗号再转类型：

def parseData(self):
    location = self.area[self.areaRegion]
    place = self.df.filter(items=location)
    # 先替换逗号，填充缺失值后转int64
    place = place.apply(lambda col: col.str.replace(',', '').fillna('0').astype(np.int64))
    print(place.info())

为什么之前的方法失败？ #

不管是astype、to_numeric还是指定dtype，都无法直接识别带逗号的字符串为数字，必须先移除逗号这类非数字符号，才能完成类型转换。

内容的提问来源于stack exchange，提问作者Noob that needs help