Pandas填充NaN为0后仍报Cannot convert float NaN to integer错误如何解决

核心错误原因 #

• pandas的replace、fillna方法默认返回新的Series对象，你没有将处理结果赋值回原Frequency列，也没有设置inplace=True，所以原始空值、Never、Every day都没有被修改，原列中仍保留NaN，导致后续类型转换报错。
• 你直接将空值fillna(0)为整数0，后续调用.str开头的字符串专属方法时，非字符串类型的0会被转为新的NaN，进一步加剧了空值问题。

修正代码 #

import pandas as pd 

# 第一步：统一预处理字符串字段，避免数值混入导致字符串操作返回NaN
# 空值先统一替换为Never，和原枚举逻辑对齐
AlcData['Frequency'] = AlcData['Frequency'].fillna('Never')
# 批量替换特殊枚举值，直接赋值回原列生效
AlcData['Frequency'] = AlcData['Frequency'].replace({
    'Every day': '365 times per year',
    'Never': '0 times per year'
})

# 第二步：拆分计算年平均次数
# 映射周期对应的年乘数
period_coef = AlcData['Frequency'].str.split().str[-1].map({'week': 52, 'month': 12, 'year': 1})
# 提取次数区间的平均值，先转float避免无意义的int转换报错
num_avg = AlcData['Frequency'].str.extract(r'(\d+)\D*(\d+)?').ffill(axis=1).astype(float).mean(axis=1)
# 计算最终结果
AlcData['annual_frequency'] = period_coef * num_avg

验证逻辑 #

转换后的值完全匹配预期：

• Never/空值 → 0
• 1-2 times per year → (1+2)/2 *1 = 1.5
• 3-4 times per month → (3+4)/2 *12 = 42
• Every day → 365 *1 = 365
• 1-2 times per week → (1+2)/2 *52 =78

内容的提问来源于stack exchange，提问作者Riley