如何解决Python中Dataframe调用to_numeric转换后返回NaN的问题

你的数据中浮点数使用逗号作为小数分隔符，而pd.to_numeric函数默认仅识别英文句号.作为小数分隔符，无法解析带逗号的数值字符串，搭配errors='coerce'参数后，所有无法解析的内容都会被强制转换为NaN，就出现了全列空值的情况。

方案1：读取文件时直接解析（最优） #

欧洲格式的CSV通常使用分号作为列分隔符、逗号作为小数分隔符，直接在pd.read_csv中添加decimal=','参数即可在读取阶段直接将数据解析为数值类型，无需后续二次转换：

import pandas as pd

data = pd.read_csv('file.csv', engine='python', delimiter=';', decimal=',')

方案2：已读入数据后处理 #

如果数据已经读入内存，不想重复读取文件，可以先将列中的逗号替换为英文句号，再执行数值转换：

for i in data.columns :
    data[i] = pd.to_numeric(data[i].str.replace(',', '.'), errors='coerce')

内容的提问来源于stack exchange，提问作者Sevval Kahraman