Python 如果数值数据类型列中的值为str，则打印索引和值

我是数据科学的新手，目前正在进一步探索。我有超过600000列的数据集，我目前正在清理和检查它的不一致性或异常值。我遇到了一个问题，我不知道如何解决它。我心里有一些解决办法，但我不知道如何处理熊猫

我已将某些列的数据类型从object转换为int。我没有发现错误，并检查了它是否在int中，是否在int中。我检查了一列的值以检查实际数据。这涉及到年龄，我得到一个错误，说我的列有一个字符串。所以我用这个方法检查它：

print（'if the string in numeric column'，np.any（[isinstance（val，str）for val in hemiscide_df['permitor Age']]）

现在，我只想在这个字符串数据类型的列上打印所有索引及其值和类型

目前，我提出了一个很好的解决方案：

def check_type(homicide_df):
    for age in homicide_df['Perpetrator Age']:
        if type(age) is str:
            print(age, type(age))
check_type(homicide_df)

以下是我的一些问题：

有没有办法做同样的事情

如何将这些元素转换为int

为什么列上的某些元素没有转换为int

非常感谢您的帮助。非常感谢您可以使用：

---

---

如果所有值都是数字，但所有

类型

都是

str

：

print ((homicide_df['Perpetrator Age'].apply(type)==str).all())
True

homicide_df = pd.DataFrame({'Perpetrator Age':['10', '15']})

homicide_df['Perpetrator Age'] = homicide_df['Perpetrator Age'].astype(int)
print (homicide_df)

   Perpetrator Age
0               10
1               15

print (homicide_df['Perpetrator Age'].dtypes)
int32

但如果某些数字包含字符串：

转换为

int

的解决方案，用它将非数值替换为

NaN

。然后有必要将

NaN

替换为一些数值，如

0

，最后转换为

int

：

homicide_df = pd.DataFrame({'Perpetrator Age':[10, '15', 'aa']})

homicide_df['Perpetrator Age']=pd.to_numeric(homicide_df['Perpetrator Age'], errors='coerce')
print (homicide_df)
   Perpetrator Age
0             10.0
1             15.0
2              NaN

homicide_df['Perpetrator Age'] = homicide_df['Perpetrator Age'].fillna(0).astype(int)
print (homicide_df)
   Perpetrator Age
0               10
1               15
2                0

---

print（age，type（age））

？

NaN

s？

non-numeric

s？@jezrael的输出是什么？所有这些都打印出来了，非常感谢！这解决了我的问题！每一步都检查了它。请问您是否知道为什么在我转换列时一些值没有转换为int？我使用了

df['col1'，'col2']=df[['col1'，'col2']].应用（对于数值，错误='ignore'）

方法当我转换列时，我认为如果使用

错误='ignore'

它只转换数字和非数字不会改变。所以混合

类型

-字符串整数。我明白了。感谢你的洞察力。我认为60万是巨大的df，对于另一种数据操作，最好的方法是创建小数据样本，使用你的代码（易于验证的输出）然后将解决方案应用于大数据框架。祝你好运！非常感谢！这是我第一次使用这么多数据，所以我还在学习。我将研究从大量数据中获取样本数据的最佳方法。

def check_type(homicide_df):
    return homicide_df.loc[homicide_df['Perpetrator Age'].apply(type)==str,'Perpetrator Age']

print  (check_type(homicide_df))
1    15
2    aa
Name: Perpetrator Age, dtype: object

print ((homicide_df['Perpetrator Age'].apply(type)==str).all())
True

homicide_df = pd.DataFrame({'Perpetrator Age':['10', '15']})

homicide_df['Perpetrator Age'] = homicide_df['Perpetrator Age'].astype(int)
print (homicide_df)

   Perpetrator Age
0               10
1               15

print (homicide_df['Perpetrator Age'].dtypes)
int32

homicide_df = pd.DataFrame({'Perpetrator Age':[10, '15', 'aa']})

homicide_df['Perpetrator Age']=pd.to_numeric(homicide_df['Perpetrator Age'], errors='coerce')
print (homicide_df)
   Perpetrator Age
0             10.0
1             15.0
2              NaN

homicide_df['Perpetrator Age'] = homicide_df['Perpetrator Age'].fillna(0).astype(int)
print (homicide_df)
   Perpetrator Age
0               10
1               15
2                0