如何将Pandas DataFrame指定列的非数字/不可读字符替换为NaN

没问题，这事儿用Pandas的工具就能轻松搞定，我给你两种实用的方案，你可以根据需求选：

方案一：精准替换指定字符 #

如果你只需要把Â和-这两个特定字符换成NaN，可以用replace()方法批量处理：

import pandas as pd
import numpy as np

# 先还原你的DataFrame（方便测试）
data = {
    'A': ['X', 'Y', 'Z'],
    'B': ['2', 'Â', '-'],
    'C': ['3', '3', '-'],
    'D': ['-', '4', 'Â'],
    'E': ['5', 'Â', '5']
}
df = pd.DataFrame(data)

# 选中B列及以后的所有列，替换目标字符为NaN
df.loc[:, 'B':] = df.loc[:, 'B':].replace(['Â', '-'], np.nan)

说明： #

• df.loc[:, 'B':]用来精准选中从B列开始的所有后续列，避免改动A列；
• replace()方法接收一个要替换的字符列表，把列表里的每个值都统一换成np.nan，一步到位。

方案二：强制转换数值型（自动处理非数字内容） #

如果你的需求是所有非数字的内容都要换成NaN（不止Â和-），用pd.to_numeric()配合errors='coerce'参数更省心：

import pandas as pd

# 同样先构造测试用的DataFrame
data = {
    'A': ['X', 'Y', 'Z'],
    'B': ['2', 'Â', '-'],
    'C': ['3', '3', '-'],
    'D': ['-', '4', 'Â'],
    'E': ['5', 'Â', '5']
}
df = pd.DataFrame(data)

# 对B列及以后的列应用数值转换，转换失败的内容自动设为NaN
df.loc[:, 'B':] = df.loc[:, 'B':].apply(pd.to_numeric, errors='coerce')

说明： #

• pd.to_numeric()会尝试把列内容转成数值类型；
• errors='coerce'是关键参数——它会把所有无法转换为数字的内容（包括Â、-，或者其他字母、符号）直接替换成NaN，通用性更强。

两种方法都能达到你的要求，要是只处理指定的两个字符，方案一更精准；要是想一次性清理所有非数字内容，方案二更高效。

内容的提问来源于stack exchange，提问作者Analyst