Pandas DataFrame列字符串数字转数值并保留free字段问题咨询

实现方案 #

你可以用pd.to_numeric配合errors='coerce'先转数值，再把转失败的位置回填为原值即可，代码示例如下：

import pandas as pd

# 模拟原始数据
df = pd.DataFrame({'price': ['100', 'free', '80', '200', 'free']})

# 转换逻辑
num_part = pd.to_numeric(df['price'], errors='coerce').astype('Int64')
# 转失败的空值位置回填原'free'值
df['price'] = num_part.where(num_part.notna(), df['price'])

运行后查看每个元素的类型，即可得到你想要的效果：数字为int类型，'free'保留字符串类型。

问题1：是否有方法可以实现上述需求？ #

有，上面的代码就是可直接运行的实现方案。如果你的数据量很小，也可以用apply写自定义判断逻辑实现，内置向量化方法的效率更高，更适合处理大数据量场景。

问题2：pandas.Series是否支持同时存储字符串和整数两种不同类型的元素？ #

支持。这种场景下Series的dtype会标记为object，属于Python通用对象类型，可以存储任意类型的Python对象，自然支持同时存放整数和字符串。需要注意的是默认的int dtype遇到空值会自动转成float，所以上面的代码用了pandas的可空整数类型Int64，避免数字被转成浮点数。

问题3：是否存在可以先判断元素内容再执行类型转换的函数，类似带条件的astype方法？ #

pandas没有原生的「带条件的astype」方法，但可以通过现有方法组合实现等价的条件转换效果，本质就是先判断元素是否符合转换要求，符合就转，不符合就保留原值。除了上面提到的「先转+后回填」方案，也可以用apply实现自定义判断，示例如下：

def custom_convert(x):
    if x == 'free':
        return x
    try:
        return int(x)
    except ValueError:
        # 其他不符合转换要求的场景可自行定义返回规则
        return x

df['price'] = df['price'].apply(custom_convert)

内容的提问来源于stack exchange，提问作者jess