Pandas to_numeric(errors='coerce')未转无效值为NaN的问题排查与解决

错误根源 #

你代码里的核心问题是用错了loc的索引方式：app_metadata_df.loc["item_id"]是按行索引查找名为"item_id"的行，但你的数据集里"item_id"是列名，这导致你之前的pd.to_numeric和dropna操作根本没作用到目标列上，无效的文本值（比如"So"）完全没被处理，所以后续astype(int)才会报错。

正确处理步骤 #

直接针对item_id列操作，步骤如下：

1. 将item_id列转换为数值类型，无效值转为NaN

app_metadata_df["item_id"] = pd.to_numeric(app_metadata_df["item_id"], errors='coerce')

（这里直接用列名索引即可，或者用app_metadata_df.loc[:, "item_id"]明确选择所有行的"item_id"列）

2. 丢弃所有item_id为NaN的行

app_metadata_df = app_metadata_df.dropna(subset=["item_id"])

（dropna的subset参数指定只检查item_id列的NaN，丢弃对应的整行，而非仅处理列数据）

3. 将item_id转换为int类型

app_metadata_df["item_id"] = app_metadata_df["item_id"].astype(int)

完整代码 #

app_metadata_df = pd.read_csv(app_metadata_csv_path)
# 处理无效item_id
app_metadata_df["item_id"] = pd.to_numeric(app_metadata_df["item_id"], errors='coerce')
app_metadata_df = app_metadata_df.dropna(subset=["item_id"])
app_metadata_df["item_id"] = app_metadata_df["item_id"].astype(int)

这样就能彻底移除无效的item_id行，并将列转为正确的int类型。

内容的提问来源于stack exchange，提问作者LLL