熊貓：僅將數據框中的數字轉換為數字，保留其他所有內容

Question

源數據框

df1 = pd.DataFrame({'x': ['a', '2.0', '3.0'], 'y': ['4.0', 'b', '6.0']})

    x   y
0   a   4.0
1   2.0 b
2   3.0 6.0

第一次嘗試（使用“強制”）

如果我使用“強制”來處理字符串，則它們將被NaN取代

df2 = df1.apply(lambda x: pd.to_numeric(x.astype(str).str.replace(',',''), errors='coerce'))

    x   y
0   NaN 4.0
1   2.0 NaN
2   3.0 6.0

第二次嘗試（使用“忽略”）

如果我使用'ignore'處理字符串，則整個列都不會轉換（數字仍保留為文本字符串）

df2 = df1.apply(lambda x: pd.to_numeric(x.astype(str).str.replace(',',''), errors='ignore'))

    x   y
0   a   4.0
1   2.0 b
2   3.0 6.0

Answer 1

這是預期的輸出，因為如果選中to_numeric您將看到：

錯誤：{'ignore'，'raise'，'coerce'}，默認為'raise'

如果為“ raise”，則無效的解析將引發異常
如果為“強制”，則將無效解析設置為NaN
如果為“ ignore”，則無效的解析將返回輸入

可能的解決方案是用原始值替換缺少的值-但將數字與字符串值混合在一起，例如注釋中指向@ anky_91：

df2 = df1.apply(lambda x: pd.to_numeric(x.astype(str).str.replace(',',''), errors='coerce'))

---

df3 = df2.fillna(df1)

要么：

df3 = df2.combine_first(df1)

檢查類型：

print (df3.applymap(type))
                 x                y
0    <class 'str'>  <class 'float'>
1  <class 'float'>    <class 'str'>
2  <class 'float'>  <class 'float'>