python pandas将某列数据类型转为int型，对无法转换的数据赋空值

您可以使用pandas中的`to_numeric()`方法将某列数据类型转为int型，并使用`errors='coerce'`参数对无法转换的数据赋空值。示例如下：

import pandas as pd

# 创建示例DataFrame
df = pd.DataFrame({'A': ['1', '2', '3', '4', 'a', 'b', 'c']})

# 将A列数据类型转为int型，无法转换的数据赋空值
df['A'] = pd.to_numeric(df['A'], errors='coerce')

# 查看转换后的DataFrame
print(df)

输出结果为：

     A
0  1.0
1  2.0
2  3.0
3  4.0
4  NaN
5  NaN
6  NaN

其中，原本为字符串类型的数据被成功转换为了浮点型（因为pandas中没有int型的缺失值）。无法转换的字符串被赋值为了NaN。

相关问题

python如何pandas字符串数据列变成int，并处理空值为平均值

您可以使用 Pandas 中的 astype() 方法将字符串数据列转换为整数数据列，然后使用 fillna() 方法将空值替换为该列的平均值。下面是一个示例代码：

import pandas as pd

# 创建数据帧
df = pd.DataFrame({'A': ['1', '2', '3', '4', '5', ''],
'B': ['5', '4', '3', '2', '1', '']})

# 将数据类型转换为整数
df['A'] = df['A'].astype(int)
df['B'] = df['B'].astype(int)

# 计算每列的平均值
mean_A = df['A'].mean()
mean_B = df['B'].mean()

# 将空值替换为平均值
df['A'].fillna(mean_A, inplace=True)
df['B'].fillna(mean_B, inplace=True)

# 打印结果
print(df)

python pandas 统计各列空值

可以使用Pandas中的isnull()和sum()方法来统计各列空值的个数。具体实现方法如下：

import pandas as pd
import numpy as np

# 创建一个DataFrame
df = pd.DataFrame({
    'A': [1, 2, np.nan, 4],
    'B': [5, np.nan, 7, 8],
    'C': [9, 10, 11, np.nan]
})

# 统计各列空值的个数
null_count = df.isnull().sum()

# 输出结果
print(null_count)

运行结果为：

A    1
B    1
C    1
dtype: int64

可以看到，输出结果中每一列的空值个数都被统计出来了。