看起来你遇到的TypeError: only integer scalar arrays can be converted to a scalar index错误，大概率是列名不匹配或者数据中存在隐藏字符导致的，咱们一步步来排查解决：

第一步：先修正列名的一致性问题 #

我注意到你写的代码里，赋值左右两边的列名不一致！比如：

df[["column1", "column 2", "column 3", "column 4"]] = df[["column 1", "column 2", "column 3", "column 4"]].apply(pd.to_numeric, errors='raise')

左边第一个列是column1（没有空格），右边却是column 1（带空格），这种列名不匹配会直接触发索引相关的错误。先确认你的DataFrame实际列名：

# 打印所有列名，确保你用的是正确的名称
print(df.columns.tolist())

然后统一列名，再执行转换：

# 替换成你实际的目标列名，确保左右一致
target_cols = ["column 1", "column 2", "column 3", "column 4"]
df[target_cols] = df[target_cols].apply(pd.to_numeric, errors='raise')

第二步：清理数据中的隐藏字符 #

如果列名没问题，那可能是你的字符串数据里藏着空格、制表符或者其他不可见字符，这些肉眼看不到但会导致pd.to_numeric转换失败。先清理每个列的字符串：

for col in target_cols:
    # 去除字符串前后的所有空白字符（包括空格、制表符等）
    df[col] = df[col].str.strip()

# 再尝试转换
df[target_cols] = df[target_cols].apply(pd.to_numeric, errors='raise')

第三步：处理前导零的特殊需求 #

你提到有些列是带前导零的格式（比如"01"、"00001"），如果需要保留这些前导零，不能转为整数类型（因为整数会自动丢弃前导零）。这种情况下，建议转为Pandas专用的string类型来保持格式：

df[target_cols] = df[target_cols].astype('string')

如果不需要保留前导零，那上面的转换步骤就可以得到整数类型的列了。

第四步：单独排查单个列 #

如果批量转换还是有问题，可以先单独处理一个列，排查是否某一列存在特殊值：

# 查看该列的所有唯一值，确认是否有非数值内容
print(df["column 1"].unique())

# 尝试单独转换这一列
df["column 1"] = pd.to_numeric(df["column 1"], errors='raise')

如果这里报错，就能定位到具体是哪个值出了问题，针对性处理。

按照这个流程排查，应该能解决你遇到的转换错误。

内容的提问来源于stack exchange，提问作者Maggie