Pandas 表格：将特定列转为数据类型，跳过 NaN 值

在使用 Pandas 处理表格数据时，有时需要将特定列转为数据类型，例如将字符串列转为数值列。如果数据中存在 NaN 值，则需要在转换过程中跳过这些值。本文将介绍如何使用 Pandas 实现这一功能。

示例代码：

import pandas as pd

# 创建示例数据
data = {'A': [1, 2, 3, 4], 'B': ['apple', 'banana', 'NaN', 'orange']}
df = pd.DataFrame(data)

# 删除 NaN 值
df = df.dropna()

# 将 B 列转为字符串类型
df['B'] = df['B'].astype(str)

# 将 B 列转为数据类型，如果是 NaN 则跳过
def str_to_num(x):
    try:
        return float(x)
    except:
        pass
    return x

df['B'] = df['B'].apply(str_to_num)

代码解释：

创建示例数据： 使用字典创建示例数据，其中包含两列 A 和 B，B 列包含字符串和 NaN 值。
删除 NaN 值： 使用 dropna() 函数删除包含 NaN 值的行。
将 B 列转为字符串类型： 使用 astype() 函数将 B 列转为字符串类型。
定义 str_to_num() 函数： 该函数用于将字符串转为数据类型。如果字符串无法转换为数字，则返回原字符串。
将 B 列应用到 str_to_num() 函数： 使用 apply() 函数将 str_to_num() 函数应用到 B 列，将字符串转为数据类型，并跳过 NaN 值。

总结：

本文介绍了如何使用 Pandas 将表格中特定列转为数据类型，并处理 NaN 值。通过示例代码展示了利用 dropna() 删除 NaN 值、astype() 将列转为字符串类型，以及自定义函数 str_to_num() 将字符串转为数据类型，并跳过 NaN 值。这些方法可以帮助您更有效地处理包含 NaN 值的表格数据。