如何在Pandas中仅对指定多列使用to_numeric并将无效值转为0？

嘿，我来帮你搞定这个Pandas的小问题！

为什么会报错？ #

pd.to_numeric()这个函数默认只能处理一维数据（比如单个Series、列表或一维数组），你直接传入了包含多列的DataFrame（二维结构），所以它就抛出了arg must be a list, tuple, 1-d array, or Series这个错误啦。

解决方案：批量处理多列 #

我们可以用DataFrame.apply()方法，把pd.to_numeric()逐个应用到每一列上，就能实现批量转换了。具体步骤如下：

1. 先定义需要处理的列名列表（避免重复书写，也方便后续维护）：

cols_to_convert = ['Product1', 'product2', 'product3', 'product4', 'Total']

注意：Pandas对列名大小写敏感，要确保这里的列名和你的DataFrame里的完全一致哦！

2. 对指定列批量执行转换，将无效值转为NaN后再填充为0：

# 逐列应用pd.to_numeric，错误值转为NaN；再把所有NaN替换为0
converted_columns = Tracker_sample[cols_to_convert].apply(pd.to_numeric, errors='coerce').fillna(0)

3. 把转换后的列替换回原DataFrame（这样其他列不会被修改）：

Tracker_sample[cols_to_convert] = converted_columns

这样操作后，你指定的5列就都被转换成数值型，所有空白、文本类的无效值都会被替换成0，其他列保持原样~

内容的提问来源于stack exchange，提问作者user7146708