Python中DataFrame字符串列转float全为NaN的解决求助

问题核心原因 #

你遇到的全NaN问题，本质是Rendite (%)列的字符串包含百分号(%)、逗号(,)作为小数点分隔符（欧洲地区常用格式）这类非标准数字字符，pd.to_numeric无法直接识别，因此转换时被强制转为NaN；而直接用float()报错是因为float()只能处理单个数值，无法直接转换pandas的Series对象。

分步解决代码 #

1. 先确认列内具体值（排查干扰字符）

print(df['Rendite (%)'].head(10))

这一步能帮你明确字符串里的干扰元素，比如是否有空格、特殊符号等。

2. 清理字符串并转换为数值类型
   针对Morningstar数据的常见格式，执行以下清理和转换：

# 1. 去除前后空格
# 2. 去掉百分号
# 3. 把逗号替换为点号（统一小数点格式）
df['Rendite (%)'] = df['Rendite (%)'].str.strip()\
                                      .str.replace('%', '', regex=False)\
                                      .str.replace(',', '.', regex=False)

# 转换为float类型，无法转换的值会设为NaN（保留errors='coerce'可排查异常行）
df['Rendite (%)'] = pd.to_numeric(df['Rendite (%)'], errors='coerce')

3. 验证转换结果

# 查看转换后的数据类型和前几行值
print(df['Rendite (%)'].dtypes)
print(df['Rendite (%)'].head())

额外排查方案 #

如果清理后仍有NaN，说明存在格式特殊的行，可通过df[df['Rendite (%)'].isna()]定位这些异常行，针对性处理。

内容的提问来源于stack exchange，提问作者corinthian74