如何批量处理Pandas含‘?’的列并转换为float64及统计数量

直接用pd.to_numeric()是最简洁高效的方案，该函数支持将无法转换为数值的内容（比如“?”）自动转为NaN，同时完成类型转换，还能批量处理列：

import pandas as pd

# 批量处理所有object类型的列
for col in df.select_dtypes(include=['object']).columns:
    df[col] = pd.to_numeric(df[col], errors='coerce')

原代码无效的原因 #

你的apply写法存在两个问题：

1. 当元素是“?”时，replace('?', '')会得到空字符串，float("")会抛出 ValueError；
2. 列中元素本身就是单独的“?”或浮点数字符串，x.split()[0]属于多余操作，反而可能在某些异常值下出错。

可以通过逐列统计等于“?”的元素个数来实现，以下是两种可靠方案：

方案1：循环统计（直观易懂） #

question_mark_counts = {}
for col in df.columns:
    # 统计当前列中"?"的数量
    count = df[col].eq('?').sum()
    question_mark_counts[col] = count

# 打印结果
print(pd.Series(question_mark_counts))

方案2：一行代码批量统计（简洁高效） #

question_mark_counts = df.apply(lambda col: col.eq('?').sum())
print(question_mark_counts)

原代码的问题 #

1. if '?' in df[i]语法错误，缺少冒号；
2. '?' in df[i]实际是检查列的索引/列名是否包含“?”，而非列元素；
3. 如果列中没有“?”，df[i].value_counts()['?']会抛出 KeyError，因为该键不存在。

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