DataFrame中object类型列转int遇'null'报错，求解决方法

这个问题我遇到过好多次啦，核心原因是你的value列里藏着字符串形式的'null'，而不是pandas默认识别的缺失值NaN，直接用astype()转换自然会报错——Python可没法把字符串'null'转成整数。给你两种靠谱的解决办法：

方法一：先替换'null'为NaN，再处理缺失值后转类型 #

先把字符串'null'替换成真正的缺失值，再根据你的需求处理缺失值（删除或填充），最后转换数据类型：

import pandas as pd
import numpy as np

# 1. 将字符串'null'替换为pandas识别的NaN
device_age['value'] = device_age['value'].replace('null', np.nan)

# 2. 处理缺失值（二选一）
# 选项A：删除包含缺失值的行
device_age = device_age.dropna(subset=['value'])
# 选项B：用中位数/均值填充（根据业务场景选择）
device_age['value'] = device_age['value'].fillna(device_age['value'].astype(float).median())

# 3. 转换为int类型
device_age['value'] = device_age['value'].astype(np.int64)

方法二：用pd.to_numeric一键处理无效值 #

pandas的pd.to_numeric函数自带错误处理能力，可以直接把无法转换的字符串转为NaN，步骤更简洁：

import pandas as pd
import numpy as np

# 转换为数值类型，无法转换的'null'会被转为NaN
device_age['value'] = pd.to_numeric(device_age['value'], errors='coerce')

# 处理缺失值后转int（这里用0填充，你可以换成其他合适的值）
device_age['value'] = device_age['value'].fillna(0).astype(np.int64)

两种方法都能解决你的问题，具体选哪种取决于你对缺失值的处理策略~

内容的提问来源于stack exchange，提问作者Nabih Bawazir