pd.to_numeric转换DataFrame age列时所有值变为NaN如何解决

pd.to_numeric 仅能将纯数字格式的内容转换为数值类型，从你给出的age列值计数结果可以看到，该列存储的是年龄分箱后的区间字符串（比如41-45、61 or older），包含横杠、英文字母等非数字字符，在errors='coerce'参数规则下，这类无法解析为数字的内容会被统一转换为NaN，因此出现全列空值的结果。
另外从值计数结果能发现，列内同时存在56-60、56-70两个重叠的区间标签，说明分箱逻辑本身可能存在问题，转换前需要先修正这个数据错误。

根据你需要的数值形式，分两种情况处理：

• 如果你需要的是区间对应的数值化代表值（比如区间中位数，用于后续数值计算）：
  先建立标签到数值的映射关系，再批量替换即可，参考代码如下：

  # 按业务需求定义每个区间对应的数值，此处示例取区间中位数
  age_label_map = {
      "15-20": 17.5,
      "21-25": 23,
      "26-30": 28,
      "31-35": 33,
      "36-40": 38,
      "41-45": 43,
      "46-50": 48,
      "51-55": 53,
      "56-60": 58,
      "56-70": 63,
      "61 or older": 65
  }
  # 生成数值类型的年龄列
  combined["age_numeric"] = combined["age"].map(age_label_map)
  

  注意先修正重叠区间的标签问题，再执行映射，避免出现匹配错误。
• 如果你需要的是精确的单个年龄值（比如28、42这类具体年龄数字）：
  当前列已经是分箱后的区间标签，无法反向还原出精确的原始年龄，需要回溯数据处理流程，找到分箱操作之前的原始数据源，用未做分箱处理的原始age列执行pd.to_numeric转换才能得到正确结果。

不建议直接用正则简单提取字符串里的数字做转换，重叠区间、61 or older这类无明确上限的标签会直接导致数值逻辑错误，必须先对齐业务上的分箱规则再做处理。

内容的提问来源于stack exchange，提问作者eddie