如何删除DataFrame某列非数值对应行并将数值字符串转为整数

以下方案基于pandas原生矢量化接口实现，性能远高于逐行遍历，可适配百万级以上行数的大规模数据集处理。

实现步骤 #

• 使用pd.to_numeric将目标金额列的字符串转为数值类型，无法转换的非数值内容会被自动置为NaN
• 过滤掉金额列为NaN的行，即完成非数值对应行的删除
• 将处理后的数值列转为整数类型，可根据业务需求选择取整规则

完整示例代码 #

import pandas as pd

# 构造示例数据，实际使用时替换为你的DataFrame即可
data = {
    'Description': ["Fab", "Jay", "John", "Claud"],
    'Amount': ['12345', '7875.0', 'hdbsgd 3hdb4 dbd6', '7373.2']
}
df = pd.DataFrame(data)

# 1. 字符串转数值，无效值置空
df['Amount'] = pd.to_numeric(df['Amount'], errors='coerce')
# 2. 删除非数值对应的行
df = df.dropna(subset=['Amount']).copy()
# 可选：如果仅需要保留可无损转为整数的行，过滤掉带小数的数值，取消注释下行即可
# df = df[df['Amount'] % 1 == 0]
# 3. 数值转整数，若需要四舍五入可改为 df['Amount'].round().astype(int)
df['Amount'] = df['Amount'].astype(int)

输出结果说明 #

以上代码处理后的示例DataFrame默认保留3行（Description为Fab、Jay、Claud的记录），Amount列值分别为12345、7875、7373；如果开启可选过滤步骤，会额外删除Claud对应的行，仅保留2条可无损转整数的记录。

内容的提问来源于stack exchange，提问作者BernardoF