将 DataFrame 数据类型更改为浮点数，但某些数据无法转换答案

【问题标题】：Changing DataFrame data type to a float, but some data can't be converted将 DataFrame 数据类型更改为浮点数，但某些数据无法转换
【发布时间】：2021-09-20 07:58:34
【问题描述】：

我有一个字符串数据类型的熊猫数据框。大多数数据可以转换为整数或浮点数。但是，有些行无法转换。

数据框如下图：

A
2
3
1
-

请注意，虽然它是一个数字，但它仍然是字符串格式。所以，我应用这个代码：

df['A'] = df['A'].astype(float)

但是，到第四行时，就会出现这个错误：

ValueError: could not convert string to float: '-'

我只想跳过无法转换的行的转换，例如表格上的第四行。我该如何解决这个问题？

【问题讨论】：

标签： python pandas type-conversion

【解决方案1】：

如果没有缺失值，请使用to_numeric 和errors='coerce' 将非数值转换为NaN，然后通过DataFrame.dropna 删除缺失值的行：

df['A'] = pd.to_numeric(df['A'], errors='coerce')

df = df.dropna(subset=['A'])

如果可能，| 的缺失值链掩码按位 OR - 转换后的非缺失值 OR 缺失值在转换之前boolean indexing：

orig = df['A'].isna()
df['A'] = pd.to_numeric(df['A'], errors='coerce')

df = df[df['A'].notna() | orig]

【讨论】：

效果很好，谢谢。只是好奇，那个“胁迫”有什么作用？ df[df['A'].notna() | orig] 是做什么的？
@el-cheapo - 添加到答案中。

【解决方案2】：

或者只是用astype做正则表达式：

>>> df.loc[df['A'].str.contains('[\d|\.]')].astype(float)
     A
0  2.0
1  3.0
2  1.0
>>>

【讨论】：