如何将DataFrame列中混合格式值转换为整数？

你的Slot列同时包含字符串格式数字和整数，直接用astype('Int64')会因为类型不兼容报错，推荐两种可行方案：

方案一：用pd.to_numeric统一转换 #

这是最简便的方法，pd.to_numeric会自动识别字符串形式的数字并转换，无法转换的内容会被设为NaN，之后再转成支持空值的Int64类型：

import pandas as pd

# 第一步：将所有元素转为数值类型，无效值设为NaN
df['Slot'] = pd.to_numeric(df['Slot'], errors='coerce')
# 第二步：转为支持空值的Int64整数类型
df['Slot'] = df['Slot'].astype('Int64')

方案二：自定义转换函数（更灵活） #

如果需要处理特殊格式（比如带空格的字符串数字），可以用apply配合自定义函数逐个转换：

def safe_convert(x):
    try:
        # 先转为字符串并去除首尾空格，再转整数
        return int(str(x).strip())
    except (ValueError, TypeError):
        # 转换失败返回pd.NA（兼容Int64类型）
        return pd.NA

df['Slot'] = df['Slot'].apply(safe_convert).astype('Int64')

补充说明 #

直接astype('Int64')报错的原因：object类型列中同时存在字符串和整数实例，Pandas无法安全地将两种完全不同的类型直接映射到整数类型，必须先将所有元素统一为数值类或者处理为可转换的格式。

内容的提问来源于stack exchange，提问作者user1471980