Pandas：将多类型数据列转为整数并忽略转换错误

问题分析 #

df['code'].astype(int, errors='ignore') 无法生效的核心原因：

• 对于字符串类型的指数格式（如'1.17E+04'），astype(int)无法直接解析，因为它本质是字符串而非数值类型；
• errors='ignore'仅在转换失败时返回原数据，但无法主动处理「字符串转数值再转整数」的完整流程。

解决方案 #

使用自定义函数结合apply方法，逐个处理列中的每一个元素：

• 对浮点数、可转数值的指数格式字符串，先转成数值再转整数，最终转为字符串；
• 对无法转数值的字符串（如'24477G'），直接保留原内容。

代码实现 #

1. 构造示例DataFrame（模拟你的数据场景）：

import pandas as pd

df = pd.DataFrame({
    'code': [1170E1, '1.17E+04', 11700.0, '24477G', 124601, '247602']
})

2. 定义转换函数：

def convert_to_int_str(x):
    try:
        # 先转为float，兼容浮点数、指数格式字符串
        num = float(x)
        # 转整数后转为字符串
        return str(int(num))
    except (ValueError, TypeError):
        # 转换失败（如含非数字字符），返回原字符串
        return str(x)

3. 应用函数到目标列：

df['code'] = df['code'].apply(convert_to_int_str)

执行结果 #

处理后df['code']的输出与你期望一致：

0    11700
1    11700
2    11700
3    24477G
4    124601
5    247602
Name: code, dtype: object

补充说明 #

• 如果数据中存在带小数的数值（如123.45），int(float(x))会自动截断小数部分，若需四舍五入可替换为str(round(num))；
• 函数通过try-except捕获转换异常，确保所有无法转换的内容都能原样保留。

内容的提问来源于stack exchange，提问作者mike01010