Pandas处理风速列无效值：能否在筛选行内强制转换并处理边缘情况？

当然可以在你这行筛选代码里直接处理这类边缘情况，不用预先转换整列数据！下面给你两种实用的实现方式：

方法1：用pd.to_numeric强制转换并处理无效值 #

pd.to_numeric的errors='coerce'参数可以把无法转换为数值的内容（比如'<32'）直接转为NaN，而NaN和数值比较时会返回False，刚好能把这些无效值排除在筛选结果外。修改后的代码如下：

max_gust_speed = data[pd.to_numeric(data['Spd of Max Gust (km/h)'], errors='coerce') >= 50.0]

这种方法简单直接，适合大部分只需要排除非数值无效值的场景。

方法2：正则提取数字后再比较 #

如果你的数据里还有其他类似>60、12.5这类混合格式的内容，还可以用正则表达式提取出数字部分再转换比较，确保所有带数字的条目都能被正确判断：

max_gust_speed = data[data['Spd of Max Gust (km/h)'].str.extract(r'(\d+\.?\d*)', expand=False).astype(float) >= 50.0]

这里的正则(\d+\.?\d*)会提取出所有整数或小数部分，比如从'<32'里提取32，从'>65.2'里提取65.2，再转成浮点数后和50比较，能覆盖更多格式的边缘情况。

两种方法都不需要预先修改原数据列，直接在筛选的同一行内完成转换和判断。如果后续还会频繁用到这列的数值形式，预先用pd.to_numeric转换整列并保存会更高效；但如果只是单次筛选需求，直接在筛选行处理完全够用。

内容的提问来源于stack exchange，提问作者Daniel Paczuski Bak