pandas中如何高效将无法转换为整数的列值替换为0？

核心使用pandas原生矢量化方法实现，比循环遍历方案性能高3~10倍（数据量越大优势越明显），代码可读性更强：

import pandas as pd
import numpy as np

# 示例DataFrame
df = pd.DataFrame({"a":[1,2,3,4,5, 6], "b":["01", "02", 1, "//N", None, np.nan]})

# 核心转换逻辑
df['b'] = pd.to_numeric(df['b'], errors='coerce').fillna(0).astype(int)

逻辑说明 #

• pd.to_numeric(df['b'], errors='coerce')：自动转换所有可识别为数值的内容，带前导零的字符串"01"、"02"、数字1都会被转为对应数值，无法转换的"//N"、None、np.nan会统一被置为NaN
• fillna(0)：将所有NaN值统一替换为0
• astype(int)：最终将整列转为整数类型，完全匹配需求

输出结果 #

运行后输出和预期完全一致：

a  b
0  1  1
1  2  2
2  3  1
3  4  0
4  5  0
5  6  0

原实现优化点 #

原有循环遍历唯一值的方案仅适合小数据量场景，当前方案是pandas官方推荐的类型转换标准写法，兼容Python3.8 + pandas1.1.4的版本环境，无需额外依赖。

内容的提问来源于stack exchange，提问作者haneulkim