在R中将DataFrame内字符型字符串替换为NA的实现方法

针对你描述的场景，最通用的方式是利用pandas的to_numeric函数，通过errors='coerce'参数自动将无法转换为数值的内容转为NaN（即pandas中的NA），不管字符串具体内容是什么。

步骤示例： #

1. 先构造示例DataFrame（模拟你的数据）：

import pandas as pd

data = {
    'Date': ['2023-05-01', '2023-06-01', '2023-07-01', '2023-08-01', '2023-09-01'],
    'Depth': [65, 67, 66, 68, 68],
    'Pressure': [pd.NA, 45, pd.NA, 56, 55],
    'Level': ['DRY', '45', 'NO ACCESS', '60', 'NOT ABLE TO MEASURE LEVEL']
}
df = pd.DataFrame(data)

2. 处理Level列：

# 将Level列转换为数值类型，无法转换的设为NaN
df['Level'] = pd.to_numeric(df['Level'], errors='coerce')

处理后的结果：

说明： #

• errors='coerce'是核心参数：它会尝试将每个值转为数值，转换失败的（包括所有非数字字符串）直接替换为NaN，完全覆盖你提到的各种字符型字符串场景。
• 如果需要保持Level列为整数类型（而非浮点数），可以在转换后添加df['Level'] = df['Level'].astype('Int64')（注意是大写I的Int64，支持缺失值的整数类型）。
• 如果Pressure列也需要做类似处理，直接复用相同逻辑即可：df['Pressure'] = pd.to_numeric(df['Pressure'], errors='coerce')

内容的提问来源于stack exchange，提问作者Jack Wassik