Pandas提取分类列数字转int：代码未达预期效果求助

你的代码无法生效的核心原因是链式索引导致赋值操作未作用到原DataFrame：data[data['c'].notna()]['c']这种写法会返回原数据的副本而非视图，赋值只会修改临时副本，原DataFrame不会被更新。

解决方法一：使用.loc定位赋值（推荐） #

用pandas官方推荐的.loc索引器直接定位目标行和列，确保修改作用于原数据：

import pandas as pd
import numpy as np

data = pd.DataFrame( {'c':[np.nan, 'group 001', 'group 002', '03 group']} )

# 用.loc精准定位非空行的c列，直接赋值提取后的数字
data.loc[data['c'].notna(), 'c'] = data.loc[data['c'].notna(), 'c'].str.extract('(\d+)').astype(int)

解决方法二：直接处理整列 #

str.extract会自动保留原列的NaN值，无需单独过滤非空行，写法更简洁：

import pandas as pd
import numpy as np

data = pd.DataFrame( {'c':[np.nan, 'group 001', 'group 002', '03 group']} )

# 提取数字并转为支持NaN的整数类型
data['c'] = data['c'].str.extract('(\d+)').astype('Int64')

这里用Int64（大写I）是pandas的可空整数类型，既能保留整数类型，又能正确处理NaN值。

执行后，data['c']的结果就是预期的[np.nan, 1, 2, 3]。

内容的提问来源于stack exchange，提问作者simon