如何将包含整数、NaN和字符串的列转换为仅含整数与NaN的列

可以使用 pandas 的 pd.to_numeric() 函数结合可空整数类型来实现需求，具体步骤如下：

代码实现 #

import pandas as pd

# 定义原始 DataFrame
df = pd.DataFrame({
    'name': ['John','Mary', 'Phil', 'Sue', 'Robert', 'Lucy', 'Blake'],
    'age': ['15', '20s', 37, 'teen', '', 'elderly', 57]
})

# 转换 age 列：无法转为数字的内容替换为 NaN，再转为支持 NaN 的整数类型
df['age'] = pd.to_numeric(df['age'], errors='coerce').astype('Int64')

print(df)

代码说明 #

• pd.to_numeric(df['age'], errors='coerce')：该函数会尝试将 age 列的每个元素转换为数值类型，转换失败的元素（如带字母的字符串、空值）会被强制替换为 NaN。
• .astype('Int64')：由于普通整数类型（int64）无法存储 NaN，这里使用 pandas 的可空整数类型 Int64（大写开头），既保留整数类型，又能兼容 NaN 值。

执行结果 #

name   age
0    John    15
1    Mary  <NA>
2    Phil    37
3     Sue  <NA>
4  Robert  <NA>
5    Lucy  <NA>
6   Blake    57

内容的提问来源于stack exchange，提问作者equanimity