Python 对数据帧中存在非数值的所有列求和

我有以下数据集：

df = pd.DataFrame({'col1' : [12,3,4,5,'a',5], 'col2' : [1,5,'b',6,10,1]})

如果我运行df.sum（axis=0，numeric_only=True），我会得到以下输出：

Series([], dtype: float64)

但是，如果我将非数值更改为

None

，则它可以正常工作

因此，我的问题是，当存在非数值时，如何才能找到数据集中所有列的总和？

我认为您可以使用

应用
，因为
to_numeric
仅适用于列（
Series
）：

另一种解决方案是
concat
和
列表理解
：

df = pd.concat([pd.to_numeric(df[col], errors='coerce') for col in df], axis=1).sum()
print (df)
col1    29.0
col2    23.0
dtype: float64

如果只有几列更快，请重复代码：

df.col1 = pd.to_numeric(df.col1, errors='coerce')
df.col2 = pd.to_numeric(df.col2, errors='coerce')
print (df.sum())
col1    29.0
col2    23.0
dtype: float64

我认为
numeric\u only=True
不适用于混合内容的列-带字符串值的数字

示例-
col1
为数字，
col2
为非数字：

df = pd.DataFrame({'col1' : [1,3,4], 'col2' : ['1','5','b']})
print (df)
   col1 col2
0     1    1
1     3    5
2     4    b

print (df.sum(numeric_only=True))
col1    8
dtype: int64

功夫熊猫耶兹雷尔：）谢谢，但假设我有一个包含大量列的df，我想通过编程实现这一点？第一个解决方案不起作用<代码>（df.apply（lambda x:pd.to_numeric（x，errors='concurve'））.sum（））
？
df = pd.DataFrame({'col1' : [1,3,4], 'col2' : ['1','5','b']})
print (df)
   col1 col2
0     1    1
1     3    5
2     4    b

print (df.sum(numeric_only=True))
col1    8
dtype: int64