使用Pandas转换CSV价格列时遭遇IntCastingNaNError错误求助

错误pandas.errors.IntCastingNaNError: Cannot convert non-finite values (NA or inf) to integer的核心原因是Price列存在空值（NaN）、无穷值或非数值内容，和数据量无关。同时你的代码还有两处明显问题：

1. 误将整个DataFrame传给divide_by_7_5函数，而非目标列df["Price"]
2. 强制将含空值的列转为int类型——int类型无法存储NaN，必然触发报错

步骤1：先清理Price列数据 #

先读取数据并排查、处理异常值：

import pandas as pd

# 只读取Price列，避免加载冗余数据
data = pd.read_csv(r"products.csv", usecols=["Price"])

# 排查异常：查看空值数量
print("空值数量：", data["Price"].isna().sum())
# 排查非数值的行（如果Price是字符串格式）
non_numeric_rows = data[pd.to_numeric(data["Price"], errors="coerce").isna()]
print("非数值行：\n", non_numeric_rows)

# 处理空值：二选一即可
# 方案1：删除含空值的行
data = data.dropna(subset=["Price"])
# 方案2：用中位数填充空值（适合不想丢数据的场景）
# data["Price"] = data["Price"].fillna(data["Price"].median())

# 转换为数值类型（先转float，确保兼容空值；处理完空值后也可转int）
data["Price"] = pd.to_numeric(data["Price"], errors="coerce")

步骤2：高效实现货币转换 #

不用写循环函数，Pandas原生支持向量运算，效率远高于Python循环：

# 直接对列做除法完成转换
data["Converted_Price"] = data["Price"] / 7.5
print(data.head())

如果一定要用自定义函数，需传入列的数值序列：

def divide_by_7_5(numbers):
    return numbers / 7.5

# 传入Price列的Series直接运算
result = divide_by_7_5(data["Price"])
print(result.head())

关键提醒 #

• low_memory=False是解决大文件读取时的类型推断问题，和当前空值转int的报错无关，所以加了没用
• 处理万级以上数据时，优先用Pandas原生操作，避免手动循环，性能差距会非常大

内容的提问来源于stack exchange，提问作者dac3d