pandas DataFrame字符串列转float时如何跳过无法转换的行？

• 方法1：无法转换的内容转为缺失值NaN（推荐，可获得纯数值类型列）
  使用pandas内置的pd.to_numeric()函数，设置errors='coerce'参数即可自动将无法转换为数值的内容替换为NaN：

import pandas as pd
df['A'] = pd.to_numeric(df['A'], errors='coerce')

如果后续需要转换为整数类型，可使用pandas支持空值的Int64类型：

df['A'] = df['A'].astype('Int64')

• 方法2：无法转换的内容保留原始字符串，不做修改
  自定义转换函数配合apply实现，仅对可转换的内容做类型转换：

def safe_convert(val):
    try:
        # 可根据需要改为int(val)
        return float(val)
    except (ValueError, TypeError):
        # 转换失败直接返回原值
        return val

df['A'] = df['A'].apply(safe_convert)

注意：该方法处理后列的数据类型仍为object，因为列中同时存在数值和字符串两种类型

内容的提问来源于stack exchange，提问作者el-cheapo