変換不可エラー：to_numericで強制変換した列（新規）をつくる

• 列をastype(int)に変換しようとするとエラー
• 例）ValueError: invalid literal for int() with base 10: '@'
• いろいろ調べるより、列のコピーを作って、pd.to_numeric(s, errors='coerce')で変換して比較したほうが速い
• 変換した列の「NaN」とオリジナル列を見れば、変換不可な文字列がわかる
• 以下の場合、「＠と-」がそれにあたる
• その後、NaNを扱い方をどうするか決めた後、列を丸っとintに変換する

df2

	A	B	C
ONE	2	1	@
TWO	4	2	6
THREE	6	3	-

df2['C_2'] = pd.to_numeric(df2['C'], errors='coerce')

df2

	A	B	C	C_2
ONE	2	1	@	NaN
TWO	4	2	6	6.0
THREE	6	3	-	NaN

• NaNのままだと計算不可なため、その行自体をdropするか、別の数値にするか決める（マイナス値、0、妥当な値）
• 後者を選択する（0で置換）
• ただし、NaNと置換する値が同列の他行で使われていないかを確認する

(df2['C'] == 0).value_counts()

False    3
Name: C, dtype: int64

# ここでは例として新規列「C_3」を作成しているが、上書きしてもよい
df2['C_3'] = df2['C_2'].fillna(0)
df2

	A	B	C	C_2	C_3
ONE	2	1	@	NaN	0.0
TWO	4	2	6	6.0	6.0
THREE	6	3	-	NaN	0.0

• 列「C_3」をintに変換する

df2['C_3'] = pd.to_numeric(df2['C_3'], downcast='integer')

display(df2)
print(df2.dtypes)

	A	B	C	C_2	C_3
ONE	2	1	@	NaN	0
TWO	4	2	6	6.0	6
THREE	6	3	-	NaN	0

A        int64
B       object
C       object
C_2    float64
C_3       int8
dtype: object

• C_3列は値を保持できる最小のint8に変換されている
• 置換した「0」は元々NaNまたは文字列が入っていたことは覚えておく

以上