如何修复因空字符串被识别为字符串类型的Pandas数值列

我有一个Pandas DataFrame，其中部分列应为数值类型，但因存在空字符串，这些列被错误识别为object类型。如何移除空字符串并将列转换为正确的int/float类型？

假设A列数据如下：

2
1
0
''
NULL
Name: A, dtype: object

期望的A列应为：

2
1
0
NULL
NULL 
Name: A, dtype: int

我尝试了以下代码，但数据类型未改变，数字仍被视为字符串：

print(df[col].dtypes)
df[col].replace(r'^\s*$', np.nan, regex=True, inplace=True)
print(df[col].dtypes)

输出结果：

object
object

我不想使用str.isnumeric()转换数据类型，因为这会影响其他真实字符串列，有没有更好的方法？

解决方案 #

方法1：用pd.to_numeric()直接转换（推荐） #

pd.to_numeric()是处理这类场景的最优方案，它会自动尝试将字符串转为数值，无法转换的内容可指定转为缺失值，且仅针对目标列操作，不会影响其他字符串列。

代码示例：

import pandas as pd
import numpy as np

# 针对目标列执行转换，无法转数值的内容转为NaN
df[col] = pd.to_numeric(df[col], errors='coerce')
# 转为可空整数类型（普通int不支持NaN，大写I的Int64是Pandas提供的可空类型）
df[col] = df[col].astype('Int64')

方法2：先替换空值再转换 #

如果需要先统一处理空字符串、'NULL'这类标记值，再转换类型：

# 把空字符串、'NULL'、空白字符串统一替换为NaN
df[col] = df[col].replace(['', 'NULL', r'^\s*$'], np.nan, regex=True)
# 转换为数值类型再转可空整数
df[col] = pd.to_numeric(df[col]).astype('Int64')

原代码失效原因 #

你之前只做了空字符串替换，但replace操作不会自动修改列的 dtype——替换后列中同时存在字符串类型的数字和浮点型的NaN，所以依然是object类型，必须显式调用转换函数来变更类型。

内容的提问来源于stack exchange，提问作者szheng