Python 将字符串替换为数值，同时保留NaN

我有一个需要跨多个列替换字符串值的情况：

要替换的值每列更改一次

我需要保存现有的NaN

我有一系列的步骤，对我来说似乎应该有效，但没有；“就地”步骤不起作用。一些虚拟测试代码：

制作数据帧 计算替换值，例如从最后一列开始计算

special_value = pd.to_numeric(df['D'], errors='corece').min() / 2
special_value

看一看 似乎在这里工作 但是没有

---

如果使用

.fillna

，则不会保留NaN值

试试这个：

def add_value(df,col):
    condition = df[col].apply(lambda x : True if type(x) == int else False) 
    sp_value = df[col][condition].min()/2 
    df[col] = df[col].apply(lambda x : sp_value if type(x) == str else x)

输出为

add_value(df,'D')

   A    B   C   D
0   NaN 2.0 NaN NaN
1   3.0 4.0 NaN 1.0
2   NaN NaN NaN 5.0
3   NaN 3.0 NaN 0.5

---

您共享的代码是为了演示什么？“就地”步骤不起作用。无论如何，使用

inplace=True

不是很不受欢迎吗？IIRC他们可能会把它去掉。我添加了输出，以表明我共享的代码显示出缺乏工作性（基于我可能预期的！）是的，我的特殊值运行没有错误；查看我对的编辑question@Shawn首先，我知道为什么我现在有一个错误。您键入了错误arg

errors='corece'

。对于

inplace

，我认为它是关于

pd.\u numeric

。它返回一个新的

系列

，不更新原始数据。因此，当您调用

.fillna

时，它将应用于新数据。解决方案应该是

df['D']=pd.to_numeric（df['D'].dropna（），errors='concurve'）。fillna（特殊值）

df

pd.to_numeric(df['D'].dropna(), errors='coerce').fillna(value=special_value) 

1    1.0
2    5.0
3    0.5
Name: D, dtype: float64

pd.to_numeric(df['D'].dropna(), errors='coerce').fillna(value=special_value, inplace = True) 

0    NaN
1      1
2      5
3    foo
Name: D, dtype: object

def add_value(df,col):
    condition = df[col].apply(lambda x : True if type(x) == int else False) 
    sp_value = df[col][condition].min()/2 
    df[col] = df[col].apply(lambda x : sp_value if type(x) == str else x)

add_value(df,'D')

   A    B   C   D
0   NaN 2.0 NaN NaN
1   3.0 4.0 NaN 1.0
2   NaN NaN NaN 5.0
3   NaN 3.0 NaN 0.5