使用apply结合pd.to_numeric转换DataFrame列时报'list'对象无apply方法错误

你写的代码存在三个层面的问题：

1. 方法调用的对象错误：wrong_type_columns是存储待转换列名的普通Python列表，列表结构本身没有apply方法——apply是pandas Series、DataFrame对象的专属方法，这是触发AttributeError: 'list' object has no attribute 'apply'的直接原因。
2. 原列名列表存在语法疏漏：列表中VisibilityHighMiles字段漏写了开头的单引号，会在代码加载阶段直接触发语法错误。
3. apply参数配置错误：就算将调用对象替换为合法的pandas对象，你写的axis=1参数也不符合按列做类型转换的需求，按行遍历的逻辑无法完整读取列内容完成数值转换。

列名列表的作用是定位DataFrame中需要做类型转换的目标列，不能直接对列名列表本身做转换操作，正确的操作流程如下：

• 确保原始气象数据存储在pd.DataFrame对象中，假设数据框命名为df
• 通过列名列表从数据框中切出目标列的子集，对子集执行pd.to_numeric强制转换，传入errors='coerce'自动将无法解析为数值的无效值置为NaN
• 转换完成后根据业务需求做后续类型适配

对应的可运行代码：

# 修正语法问题后的待转换列名列表
wrong_type_columns = [
    'DewPointHighF', 'DewPointAvgF', 'DewPointLowF', 'HumidityHighPercent', 
    'HumidityAvgPercent', 'HumidityLowPercent', 'SeaLevelPressureHighInches', 
    'SeaLevelPressureAvgInches', 'SeaLevelPressureLowInches', 'VisibilityHighMiles',
    'VisibilityAvgMiles', 'VisibilityLowMiles', 'WindHighMPH', 'WindAvgMPH', 
    'WindGustMPH', 'PrecipitationSumInches'
]

# 逐列执行数值强制转换
for col in wrong_type_columns:
    df[col] = pd.to_numeric(df[col], errors='coerce')

如果要使用批量简写写法，需要先从数据框中取出目标列的子DataFrame，再调用apply，示例：

df[wrong_type_columns] = df[wrong_type_columns].apply(
    lambda col: pd.to_numeric(col, errors='coerce')
)

注意：errors='coerce'会把无法转换的内容生成NaN空值，此时如果直接调用.astype(int)会触发类型报错——因为pandas默认的原生int类型不支持空值。如果需要转换为整型，可选择两种处理方式：

• 先填充空值（比如填充为0）再做整型转换
• 直接使用支持空值的扩展整型类型：在转换结果后追加.astype('Int64')

内容的提问来源于stack exchange，提问作者asairi nava