如何使用pandas.to_numeric()转换DataFrame列值并删除无法转换的行

• 第一步：调用pd.to_numeric()处理Value列，设置errors='coerce'参数，将无法转换为数值的内容（含非数值字符串、原生NaN值）统一转换为NaN格式
• 第二步：使用dropna()方法，删除Value列为NaN的无效行
• 第三步：将处理后的Value列转换为int类型即可得到目标结果

完整可运行代码示例：

import pandas as pd
import numpy as np

# 构造示例原始数据
df = pd.DataFrame({
    "QuestionID": ["Q1", "Q2", "Q3", "Q4", "Q5"],
    "Value": ["150.0", "160.0", np.nan, "210.0", "Hello"]
})

# 数值转换，无效值转NaN
df["Value"] = pd.to_numeric(df["Value"], errors="coerce")
# 删除无效行
df = df.dropna(subset=["Value"])
# 转换为整数类型
df["Value"] = df["Value"].astype(int)

处理后输出结果和预期一致：

内容的提问来源于stack exchange，提问作者Joker312