使用NaN表示无法使用astype

Question

我有一个非常大的Pandas DataFrame，如下所示：

>>> d = pd.DataFrame({"a": ["1", "U", "3.4"]})
>>> d
     a
0    1
1    U
2  3.4

目前，该列设置为object：

>>> d.dtypes
a    object
dtype: object

我想将此列转换为float，以便我可以使用groupby()并计算均值。当我使用astype尝试时，我正确地得到一个错误，因为无法转换为float的字符串：

>>> d.a.astype(float)
ValueError: could not convert string to float: 'U'

我想做的是将所有元素转换为float，然后替换那些不能由NaN转换的元素。

我该怎么做？

我尝试设置raise_on_error，但它不起作用，dtype仍为object。

>>> d.a.astype(float, raise_on_error=False)
0      1
1      U
2    3.4
Name: a, dtype: object

Answer 1

使用to_numeric并指定errors='coerce'以强制无法解析为数字值的字符串变为NaN：

>>> pd.to_numeric(d['a'], errors='coerce')
0    1.0
1    NaN
2    3.4
Name: a, dtype: float64