如何定位DataFrame中int类型转换失败的位置？

方法一：利用pd.to_numeric标记无效值 #

通过将无法转换为数字的项转为NaN，再筛选出这些NaN对应的原始内容和索引：

# 拆分并展开字符串，保留原DataFrame的行索引
temp_raw = thedataframe['next'].str.split(';').explode()
# 尝试转换，无效项转为NaN
temp_numeric = pd.to_numeric(temp_raw, errors='coerce')
# 筛选出所有无法转换的原始字符串及其索引
invalid_items = temp_raw[temp_numeric.isna()]
print("无效内容及对应原行索引：")
print(invalid_items)

直接查看输出就能定位到导致失败的字符串（比如纯空格' '），以及它们来自原DataFrame的哪一行。

方法二：正则匹配筛选非数字项 #

如果目标是正整数，用正则表达式直接匹配不符合纯数字格式的项：

temp_raw = thedataframe['next'].str.split(';').explode()
# 匹配非纯数字的项（若包含负整数，正则改为r'^-?\d+$'）
invalid_items = temp_raw[~temp_raw.str.match(r'^\d+$', na=False)]
print("无效内容：")
print(invalid_items)
print("对应原行索引：")
print(invalid_items.index.unique())

方法三：直接排查原列中的格式问题 #

错误提示的' '大概率是原列中存在带空格的分隔项（比如"123 ; 456"），可以直接查找这类行：

# 查找包含分号前后带空格的行
problem_rows = thedataframe[thedataframe['next'].str.contains(r';\s|\s;', na=False)]
print("原列中格式有问题的行：")
print(problem_rows)

补充说明 #

你之前用np.where(pd.isnull(...))找不到问题，是因为出错的是纯空格字符串' '，它不属于空值（null），pd.isnull无法识别这类无效值，必须通过转换尝试或正则匹配来定位。

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