我有一个pandas.DataFrame，其中包含字符串、浮点数和整数类型。
有没有办法将所有不能转换为float的字符串设置为NaN？
例如：
A B C D
0 1 2 5 7
1 0 4 NaN 15
2 4 8 9 10
3 11 5 8 0
4 11 5 8 "wajdi"
到：
A B C D
0 1 2 5 7
1 0 4 NaN 15
2 4 8 9 10
3 11 5 8 0
4 11 5 8 NaN
【问题讨论】：
标签： python string pandas dataframe
您可以使用pd.to_numeric 并设置errors='coerce'
df['D'] = pd.to_numeric(df.D, errors='coerce')
这会给你：
A B C D
0 1 2 5.0 7.0
1 0 4 NaN 15.0
2 4 8 9.0 10.0
3 11 5 8.0 0.0
4 11 5 8.0 NaN
已弃用的解决方案（仅限 pandas
df.convert_objects(convert_numeric=True)
pandas.DataFrame.convert_objects
这是convert_objects 源代码中的开发说明：# TODO: Remove in 0.18 or 2017, which ever is sooner。因此，如果您使用它，请不要将其作为长期解决方案。
【讨论】：
这是一种方法：
df['E'] = pd.to_numeric(df.D, errors='coerce')
然后你有：
A B C D E
0 1 2 5.0 7 7.0
1 0 4 NaN 15 15.0
2 4 8 9.0 10 10.0
3 11 5 8.0 0 0.0
4 11 5 8.0 wajdi NaN
【讨论】：
您可以将pd.to_numeric 与errors='coerce' 一起使用。
In [30]: df = pd.DataFrame({'a': [1, 2, 'NaN', 'bob', 3.2]})
In [31]: pd.to_numeric(df.a, errors='coerce')
Out[31]:
0 1.0
1 2.0
2 NaN
3 NaN
4 3.2
Name: a, dtype: float64
这是将其应用于所有列的一种方法：
for c in df.columns:
df[c] = pd.to_numeric(df[c], errors='coerce')
（请参阅 NinjaPuppy 的评论以获得更好的方法。）
【讨论】：
df.apply(lambda L: pd.to_numeric(L, errors='coerce'))...