我认为您需要^{}首先，因为float不能强制转换为int：data_df['grade'] = pd.to_numeric(data_df['grade']).astype(int)
另一个解决方案首先转换为float，然后转换为int：data_df['grade'] = data_df['grade'].astype(float).astype(int)
样品：data_df = pd.DataFrame({'grade':['10','20','17.44']})
print (data_df)
grade
0 10
1 20
2 17.44
data_df['grade'] = pd.to_numeric(data_df['grade']).astype(int)
print (data_df)
grade
0 10
1 20
2 17data_df['grade'] = data_df['grade'].astype(float).astype(int)
print (data_df)
grade
0 10
1 20
2 17
---
如果某些值无法转换并且在to_numeric之后，则获取错误：ValueError: Unable to parse string
可以添加参数errors='coerce'，以便将非数值转换为NaN。
如果NaN值，则无法转换为int，请参见docs：data_df = pd.DataFrame({'grade':['10','20','17.44', 'aa']})
print (data_df)
grade
0 10
1 20
2 17.44
3 aa
data_df['grade'] = pd.to_numeric(data_df['grade'], errors='coerce')
print (data_df)
grade
0 10.00
1 20.00
2 17.44
3 NaN
如果要将NaN更改为某些数字，例如0，请使用^{}：data_df['grade'] = pd.to_numeric(data_df['grade'], errors='coerce')
.fillna(0)
.astype(int)
print (data_df)
grade
0 10
1 20
2 17
3 0
小建议：
在使用errors='coerce'之前，请检查无法通过^{}强制转换为数值的所有行：print (data_df[pd.to_numeric(data_df['grade'], errors='coerce').isnull()])
grade
3 aa
