数据类型转换时值错误处理：measuredHeight转float报错如何设为np.nan？

你的问题出在measuredHeight列包含数组格式的字符串（比如"[5.084,4.645,4.632,4.481,4.204]"），astype(float)无法直接解析这类值。以下是几种适配你需求的解决办法：

快速方案：将无效值转为np.nan #

如果不需要保留数组字符串的信息，只想统一将非单值的内容转为浮点型缺失值，用pd.to_numeric的errors='coerce'参数是最高效的方式：

import numpy as np
import pandas as pd

subset = df[relevantFields]
# 优先处理measuredHeight，把无法转数值的内容设为np.nan
subset['measuredHeight'] = pd.to_numeric(subset['measuredHeight'], errors='coerce')
# 再处理其他列的类型转换
subset = subset.astype({
    'gml_id': 'str',
    'Gemeindeschluessel': 'str',
    'geometry': 'geometry'
})

errors='coerce'会自动将所有无法解析为数值的内容替换为np.nan，完全满足你“设为浮点型缺失值”的需求。

保留数据方案：解析数组并提取统计值 #

如果这些数组字符串是有效数据，想从中提取有用信息，可以先解析为数组，再计算平均值、中位数等转为单浮点值：

import numpy as np
import pandas as pd
import ast

def parse_height_array(s):
    try:
        # 用ast.literal_eval安全解析字符串为数组（比eval更安全）
        height_arr = ast.literal_eval(s)
        # 返回数组平均值，可根据需求换成np.median、np.max等
        return np.mean(height_arr)
    except (ValueError, SyntaxError):
        # 解析失败时返回np.nan
        return np.nan

subset = df[relevantFields]
subset['measuredHeight'] = subset['measuredHeight'].apply(parse_height_array)
# 后续类型转换同快速方案
subset = subset.astype({
    'gml_id': 'str',
    'Gemeindeschluessel': 'str',
    'geometry': 'geometry'
})

批量处理4000个数据集的通用逻辑 #

由于你要处理大量数据集，建议把处理逻辑封装成函数，保证所有数据集的处理规则一致：

def process_single_dataset(df, relevant_fields):
    subset = df[relevant_fields]
    # 标准化measuredHeight列
    subset['measuredHeight'] = pd.to_numeric(subset['measuredHeight'], errors='coerce')
    # 统一其他列类型
    subset = subset.astype({
        'gml_id': 'str',
        'Gemeindeschluessel': 'str',
        'geometry': 'geometry'
    })
    return subset

# 遍历所有数据集时调用该函数
processed_datasets = [process_single_dataset(df, relevantFields) for df in your_4000_datasets]

这样能避免重复代码，降低批量处理时的出错概率。

内容的提问来源于stack exchange，提问作者i.i.k.