Python 将所有字符串替换为DataFrame中的默认数字

我有一个由数字（int和float）组成的DataFrame，它导致所有列的数据类型都是float。至少我是这么想的

这些表格是OCR扫描到EXCEL的结果。在某些情况下，由于扫描错误，会出现ascii或word值

如何为数据框中的所有列和所有值执行默认为-999999的总括str值

我遇到的问题是pd.replace（）函数似乎是特定于字符串的

谢谢

请试一试

 df = df.apply(lambda x: pd.to_numeric(x, errors='coerce')).fillna(-999999)

---

pd.to_numberic函数将所有不可解析字符串转换为'NaN'，fillna将这些值替换为给定值'-999999'

您也可以在替换方法py传递中进行正则表达式匹配，regex=True

df.replace("^\w.*$", "-999999", regex=True)

从“替换”功能：

要替换：str、regex、list、dict、Series、numeric或None

str或regex：

• str:与_replace完全匹配的字符串将被替换为值
• 正则表达式：与_replace匹配的正则表达式将替换为值

str、regex或numeric的列表：

• 首先，如果to_replace和value都是列表，则它们的长度必须相同
• 其次，如果regex=True，则两个列表中的所有字符串都将被解释为regex，否则它们将直接匹配。这对值没有多大影响，因为您可以使用的替代正则表达式只有少数几种
• str和regex规则如上所述

---

如果有一个字符串形式的数值，这将不起作用。例如，“1”或“10.05”您尝试过吗？对我来说，它适用于任何字符串，无论是字母数字>“abcd123”、整数>“10”、负整数>“-999”、浮点>“10.03”。您可以通过

应用
传递关键字args。所以这应该是可行的：
df.apply（pd.to_numeric，errors='concurve'）.fillna（-999999）
@arcee123，你试过答案了吗？是的。这似乎异常有效。非常感谢你@arcee123，很高兴知道它按预期工作。谢谢你的确认。