DataFrame的IF语句中出现无效字面量、真值模糊两类ValueError如何解决？

错误1：字符串转int失败 #

value列中存在如'true'这类无法转换为整数的字符串，直接调用astype(int)会触发转换异常。
解决方法：使用pd.to_numeric方法做安全数值转换，通过errors='coerce'参数将无法转换的非法值设置为NaN，NaN在后续比较运算中会自动被判定为不满足条件。

错误2：DataFrame真值模糊 #

df.loc[筛选条件]返回的是符合条件的子DataFrame，Python的if语句无法直接判断一个DataFrame的布尔值，需要明确判断逻辑：

• 只要存在至少1行符合条件就算通过，使用.any()
• 要求所有匹配type的行都满足值比较条件才算通过，使用.all()
• 也可以通过.empty判断返回的子DataFrame是否为空来确认是否有符合条件的行

可用修改代码 #

import pandas as pd

# 构造筛选条件，内置安全数值转换
mask = (df['type'] == 'employees-full-time') & (pd.to_numeric(df['value'], errors='coerce') >= df['min_value'])

# 示例为判断是否存在至少1行符合条件
if mask.any():
    print('full time employees cool')
else:
    print('full time employees not so cool')

可选：排查非法值 #

如果需要定位value列中无法转换为数值的异常行，可执行以下代码：

invalid_value_rows = df[pd.to_numeric(df['value'], errors='coerce').isna()]
print(invalid_value_rows)

内容的提问来源于stack exchange，提问作者Matt Lightbourn