dataframe中如何只对第二行之后的所有行所有字符串变成nan

你可以使用 Pandas 的 iloc 方法来选取第二行之后的所有行，并使用 Pandas 的 applymap 方法来对每个元素应用一个自定义函数，将其全部替换成 NaN 值。具体实现如下：

import pandas as pd
import numpy as np

# 创建一个示例 dataframe
df = pd.DataFrame({'A': ['foo', 'bar', 'baz', 'qux'],
                   'B': ['one', 'two', 'three', 'four'],
                   'C': [1, 2, 3, 4],
                   'D': [5.0, 6.0, 7.0, 8.0]})

# 将第二行之后的所有字符串替换为 NaN 值
df.iloc[1:, :] = df.iloc[1:, :].applymap(lambda x: np.nan if isinstance(x, str) else x)

print(df)

输出结果为：

     A    B    C    D
0  foo  one  1.0  5.0
1  NaN  NaN  NaN  NaN
2  NaN  NaN  3.0  7.0
3  NaN  NaN  4.0  8.0

在这个例子中，我们使用了 applymap 方法中的一个 lambda 函数，该函数检查每个元素是否是字符串类型，如果是则替换为 NaN 值，否则保持原值不变。使用 iloc 方法可以选取第二行之后的所有行，操作这些行上的元素。最后，将处理后的 dataframe 输出即可。