如何在存在字符串时将Pandas列转换为数值类型？

直接用astype('float')报错的核心原因是：该方法要求所有元素必须能直接转换为浮点型，空字符串、文本类字符串（比如'NO DATA'）无法完成转换，因此触发错误。

解决方案：用pd.to_numeric()配合errors='coerce' #

pd.to_numeric()是Pandas专门用于数值转换的工具，errors='coerce'参数会把所有无法转成数值的内容（空字符串、文本）强制转为NaN（Pandas中的缺失值，对应你要的N/A），同时将有效数值转为float类型。

修改后的代码示例

import pandas as pd
data = ['5', '4', '3', '', 'NO DATA ', '5']
df = pd.DataFrame({'data': data})

# 执行转换：有效数值转float，无效值转NaN
df['data'] = pd.to_numeric(df['data'], errors='coerce')

# 可选：设置显示时NaN显示为"N/A"（不改变列的数据类型）
pd.set_option('display.na_rep', 'N/A')
print(df)

输出效果

data
0   5.0
1   4.0
2   3.0
3   N/A
4   N/A
5   5.0

补充说明 #

• 如果需要把NaN替换成字符串类型的"N/A"（此时列类型会变为object），可以用：

  df['data'] = df['data'].fillna('N/A')
  

• 保留float类型的NaN更利于后续数值分析，仅通过显示设置转为"N/A"是更推荐的做法。

内容的提问来源于stack exchange，提问作者Al-Baraa El-Hag