python pandas改变数据类型，对无法转换的数据赋默认值

要在 Pandas 中改变数据类型并为无法转换的数据赋默认值，可以使用 `pd.to_numeric()` 方法。该方法将尝试将一个 Series 转换为数值类型，如果无法转换，则可以使用 `errors` 参数指定要分配的默认值。默认情况下，`errors` 参数设置为 `'raise'`，这意味着如果无法转换，则会引发异常。

以下是一个示例代码片段，其中将尝试将一个包含字符串的 Series 转换为浮点数类型，并将无法转换的值分配为默认值 -1：

import pandas as pd

# 创建一个包含字符串的 Series
s = pd.Series(['1.2', '3.4', '5.6', 'abc'])

# 将 Series 转换为浮点数类型，并将无法转换的值分配为默认值 -1
s_numeric = pd.to_numeric(s, errors='coerce').fillna(-1)

# 输出结果
print(s_numeric)

输出结果为：

0    1.2
1    3.4
2    5.6
3   -1.0
dtype: float64

可以看到，原始 Series 中的第四个值 `'abc'` 无法转换为浮点数类型，因此在转换后被分配为默认值 -1。