我有一个数字（int 和 floats）的 pandas DataFrame，它导致所有列的数据类型为 float。我是这么想的。
这些表格是 OCR 扫描到 EXCEL 的结果。在某些情况下，由于扫描错误，存在 ascii 或 word 值。
我如何为所有列、DataFrame 中的所有值执行一揽子 str 值，使其默认为 -999999？
我遇到的问题是 pd.replace() 函数似乎是特定于字符串的。
谢谢！
【问题讨论】：
请尝试
df = df.apply(lambda x: pd.to_numeric(x, errors='coerce')).fillna(-999999)
pd.to_numberic 函数会将所有不可解析的字符串转换为“NaN”，而 fillna 会将这些值替换为给定的值“-999999”
【讨论】：
apply 传递关键字参数。所以这应该工作：df.apply(pd.to_numeric, errors='coerce').fillna(-999999)
你也可以在pandas替换方法py中做正则匹配，regex=True
df.replace("^\w.*$", "-999999", regex=True)
来自熊猫替换功能documentation：
to_replace : str, regex, list, dict, Series, numeric, or None
str 或正则表达式：
- str: 与 to_replace 完全匹配的字符串将被替换为 value
- 正则表达式：匹配 to_replace 的正则表达式将被替换为值
str、regex 或 numeric 的列表：
- 首先，如果 to_replace 和 value 都是列表，那么它们的长度必须相同。
- 其次，如果 regex=True 则两个列表中的所有字符串都将被解释为正则表达式，否则它们将直接匹配。这对于价值来说并不重要，因为您可以使用的可能替换正则表达式很少。
- str 和 regex 规则应用如上。
【讨论】：