推荐用 pd.to_numeric(..., errors="coerce") 处理混合字符串列，可将非数字值统一转为 NaN 而不报错；astype(float) 遇空值或异常字符会抛 ValueError。
直接用 pd.to_numeric(..., errors="coerce") 转数值，别硬 astype(float)
硬转会炸，不是 Pandas 不够强，而是它拒绝替你做取舍。只要列里混着 "N/A"、""、None 或空格，astype(float) 就抛 ValueError: could not convert string to float。而 pd.to_numeric() 是专为这种场景设计的：它默认只认数字字面量，其余一概变 NaN，不中断、不报错、不猜测。
-
errors="coerce"是清洗阶段唯一推荐的选项；"raise"适合调试定位问题行，"ignore"基本没用 - 加
downcast="integer"可在成功转换后自动降级为int32或int64，省内存 - 如果列里还有嵌套结构（比如
[1, 2]或{"val": 5}），pd.to_numeric会把它也变成NaN——这是对的，先得确认这列“本该是标量”
字符串混合列先查真实类型构成，再决定清洗路径
表面看全是字符串，df["col"].apply(type) 却返回一堆 sum() 或 mean() 还是失败？那说明有隐藏的 None、np.nan 或空字符串。它们在 apply(type) 里被跳过或显示为 float，导致误判。
- 用这个检查真实分布：
df["col"].apply(lambda x: type(x).__name__ if pd.notna(x) else "NaN").value_counts() - 常见脏值统一处理：
df["col"] = df["col"].replace(["", "N/A", "NULL", "—", None], np.nan) - 之后再
pd.to_numeric(..., errors="coerce")，就干净了
含单位/结构化文本的列，用 str.extract() 定向捞数字
像 "12.5 kg"、",200.99"、"EA+;123" 这类，不能直接转数值，也不能全当字符串丢掉。得靠正则把数字部分抠出来。
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 基础提取：
df["col"].str.extract(r"([\d.]+)") # 匹配最前面一串数字或小数 - 带千分位和符号：
df["col"].str.extract(r"([+-]?\d{1,3}(?:,\d{3})*(?:\.\d+)?)") - 命名组更清晰：
df["col"].str.extract(r"(?P，返回两列[\d.]+)\s*(?P [a-zA-Z]+)") - 注意：空值或不匹配行会返回
NaN，正好和后续数值转换对齐
源头读入时就控制类型，比事后清洗省力十倍
很多混合列问题根本不用清洗——在 pd.read_csv() 或 pd.read_excel() 那一刻就拦住。
- 强制当字符串读：
dtype={"price": str, "code": str}，避免 Pandas 自作主张推断失败 - 提前识别缺失标识：
na_values=["N/A", "", "NULL", "—"] - 关掉默认缺失识别：
keep_default_na=False，防止空字符串被误认为NaN导致整列变object - 读完立刻检查：
df.dtypes和df["col"].sample(5)，比跑完清洗才发现错漏快得多
真正难的不是写对一行 pd.to_numeric()，而是判断这一列里哪些值属于业务逻辑上的“有效缺失”，哪些是采集错误，哪些该归为一类异常——这些没法靠函数自动决定，得看业务上下文。
Python免费学习笔记（深入）：立即使用
在学习笔记中，你将探索 Python 的核心概念和高级技巧！
