DataFrame年龄列字符串转整数报错求助：无法解析范围值及非有限值转换问题

首先咱们来拆解下你遇到的两个报错原因：

1. 第一个ValueError: Unable to parse string "0-17" at position 0：因为pd.to_numeric只能解析纯数字格式的字符串，像"0-17"这种带横杠的范围字符串它完全读不懂，自然报错。
2. 第二个ValueError: Cannot convert non-finite values (NA or inf) to integer：你用errors='coerce'时，pandas会把所有无法解析的字符串转换成NaN（虽然你说原DataFrame没有NA，但这是处理后新生成的），而普通的int类型无法存储NaN，所以转类型时失败。

下面给你几个实用的解决方案，根据你的建模需求选就行：

方案1：将年龄范围转换为数值代表值（推荐用于回归类模型） #

把每个范围转换成平均值、左边界或右边界的数值，这样模型能直接用连续数值特征：

import pandas as pd

# 拆分年龄范围为最小/最大值两列
df[['Age_min', 'Age_max']] = df['Age'].str.split('-', expand=True).astype(int)

# 可选：用平均值作为年龄数值
df['Age'] = (df['Age_min'] + df['Age_max']) / 2

# 或者取左边界（比如"0-17"转成0）
# df['Age'] = df['Age_min']

# 或者取右边界（比如"0-17"转成17）
# df['Age'] = df['Age_max']

# 不需要的话可以删掉临时列
df.drop(['Age_min', 'Age_max'], axis=1, inplace=True)

方案2：将年龄范围映射为类别编码（推荐用于分类类模型） #

如果年龄范围是类别特征，直接给每个范围分配一个整数标签：

# 手动创建映射字典（也可以自动生成）
age_range_map = {
    "0-17": 0,
    "18-30": 1,
    "31-50": 2,
    "51+": 3  # 如果有这种格式，需要单独处理，比如转成51或更大的数
}

df['Age'] = df['Age'].map(age_range_map)

# 或者用LabelEncoder自动编码（适合范围较多的情况）
from sklearn.preprocessing import LabelEncoder
le = LabelEncoder()
df['Age'] = le.fit_transform(df['Age'])

方案3：使用可空整数类型（不推荐，除非你保留NaN有意义） #

如果一定要用整数类型且保留无法解析的值（虽然你的场景里应该不需要），可以用pandas的可空整数类型Int64：

df['Age'] = pd.to_numeric(df['Age'], errors='coerce').astype('Int64')

这个方法会把"0-17"这类字符串转成NaN，但Int64类型允许存储NaN，不过对你的建模来说，这种缺失值可能没什么意义，所以还是前两个方案更实用。

内容的提问来源于stack exchange，提问作者Hackerds