如何将Pandas DataFrame中所有字符串值批量替换为默认值-999999？

我之前处理过OCR导出的Excel数据，这种混着乱码字符串的DataFrame确实挺麻烦的。你提到pd.replace()只能处理特定字符串的问题很典型，要批量把所有非数值的字符串统一换成-999999，我给你分享两个实用的方法：

方法1：用pd.to_numeric()强制转换（最推荐） #

这个方法是把每一列尝试转换成数值类型，转换失败的内容直接设为NaN，再统一替换成你的默认值。代码简单又高效：

import pandas as pd

# 假设你的DataFrame名为df
for col in df.columns:
    # coerce参数会把无法转成数值的内容（字符串、ASCII乱码等）转为NaN
    df[col] = pd.to_numeric(df[col], errors='coerce').fillna(-999999)

处理完之后，你还可以把所有列统一转成float类型，确保符合你最初的预期：

df = df.astype(float)

方法2：用applymap()自定义判断逻辑 #

如果需要更灵活的筛选（比如只替换特定格式的字符串），可以遍历每个单元格做判断：

def replace_non_numeric(cell_value):
    # 判断单元格是否是字符串，或者无法识别为数值的内容
    if isinstance(cell_value, str) or not pd.api.types.is_number(cell_value):
        return -999999
    return cell_value

# 对整个DataFrame应用这个函数
df = df.applymap(replace_non_numeric)

这个方法适合你需要自定义过滤规则的场景，比如某些看起来像数值但实际是文本的内容也能覆盖到。

小提示 #

你可以先跑df.dtypes查看当前各列的数据类型，OCR生成的表格通常会有不少object类型的列（因为混了字符串），处理后再检查一遍，确保所有列都变成数值类型。

内容的提问来源于stack exchange，提问作者arcee123