Python 如何忽略pandas.to_numeric（）中的错误并将str更改为int

我收到pandas.to_numeric（）的意外响应。 如果我用数字

a=pd.系列（['1'，'2'，'3'，np.nan]）
b=pd.to_numeric（a，downcast='integer'，errors='ignore'）
打印（[为b中的每个输入（每个）]）

回答是：

[float，float，float，float]

但是如果我有真实的str序列，比如

a=pd.系列（['1'，'2'，'3'，np.nan'，a']）
b=pd.to_numeric（a，downcast='integer'，errors='ignore'）
打印（[为b中的每个输入（每个）]）

它返回

[str，str，str，float，str]

医生说：

如果“忽略”，则无效解析将返回输入

我认为无效解析只是“a”，所以我应该得到：

[float，float，float，float，str]

---

问题是如何修复它并获得

[float，float，float，float，str]

一个可能的解决方案是使用

errors='concurve'

将缺少的值替换为原始值-因此最后一个

a

在final

系列中：

a = pd.Series(['1', '2', '3', np.nan, 'a'])
b = pd.to_numeric(a, errors='coerce').fillna(a)
print([type(each) for each in b])
[<class 'float'>, <class 'float'>, <class 'float'>, <class 'float'>, <class 'str'>]

如果可能，字符串表示形式中带浮点数的整数：

a = pd.Series(['1', '2', '3.3', np.nan, 'a'])

def func(x):
    try:
        return int(x)
    except Exception:
        try:
            return float(x)
        except Exception:
            return x

b = a.apply(func)
print([type(each) for each in b])
[<class 'int'>, <class 'int'>, <class 'float'>, <class 'float'>, <class 'str'>]

a=pd.系列（['1'，'2'，'3.3'，np.nan'，a']）
def func（x）：
尝试：
返回整数（x）
除例外情况外：
尝试：
返回浮动（x）
除例外情况外：
返回x
b=a.apply（func）
打印（[为b中的每个输入（每个）]）
[, , ]
您也可以使用
应用
：

print(a.apply(lambda x: float(x) if str(x).isdigit() else x))

输出：

0      1
1      2
2      3
3    NaN
4      a
dtype: object

[<class 'float'>, <class 'float'>, <class 'float'>, <class 'float'>, <class 'str'>]

以及：

输出：

0      1
1      2
2      3
3    NaN
4      a
dtype: object

[<class 'float'>, <class 'float'>, <class 'float'>, <class 'float'>, <class 'str'>]

[，]
我认为这是因为有三种类型：int、float和str。我甚至可以处理float的int，但不是所有str。谢谢您的回答！但是如果我在系列中有不同的字符串，比如“a”、“b”等，那就没用了@Pruntoff-你为什么这么认为？