如何将CSV中格式异常的字符串数据转为浮点数（Pandas读取）

问题现状 #

执行以下代码读取CSV文件：

U_d = pd.read_csv("Uzud.csv", decimal = ',')
print(U_d)

得到输出：

f in kHz  U in mV  Amplitude in Vpp  entfernung in cm
43.7       52        1               5.0               9.0
43.7       43        5              11.0               NaN
43.7       30        5              13.0               NaN
43.7     27,5        5              15.0               NaN
43.7       24        5              16.0               NaN

原始CSV文件内容：

f in kHz,U in mV,amplitude in Vpp,distance in cm
"43,7",52,1,5,9
"43,7",43,5,11
"43,7",30,5,13
"43,7", "27,5",5,15
"43,7",24,5,16

问题核心：部分数值带引号、使用逗号作为小数分隔符，同时存在单元格前导空格，导致U in mV列中27,5被识别为字符串，所有列实际应为浮点数类型，需统一转换。

解决方案 #

方法1：读取阶段直接处理 #

利用pandas和csv模块的参数，在读取时完成数值解析：

import pandas as pd
import csv

U_d = pd.read_csv(
    "Uzud.csv",
    decimal=',',
    quoting=csv.QUOTE_NONNUMERIC,
    skipinitialspace=True
)

# 验证列类型
print(U_d.dtypes)

• quoting=csv.QUOTE_NONNUMERIC：将带引号的内容自动解析为数值类型，配合decimal=','正确转换43,7、27,5为浮点数
• skipinitialspace=True：去除单元格内的前导空格，避免带空格的数值（如 "27,5"）解析失败

方法2：读取后批量转换 #

如果已读取到混合类型的DataFrame，可通过pd.to_numeric强制统一类型：

import pandas as pd

# 先读取文件，保留原始格式
U_d = pd.read_csv("Uzud.csv", decimal=',', skipinitialspace=True)

# 遍历所有列，转换为浮点数，无法转换的值设为NaN
for col in U_d.columns:
    U_d[col] = pd.to_numeric(U_d[col], errors='coerce')

# 验证结果
print(U_d)
print(U_d.dtypes)

• pd.to_numeric(..., errors='coerce')：自动将字符串格式的数值转换为浮点数，无法转换的内容转为NaN，确保列类型统一为float64

内容的提问来源于stack exchange，提问作者T.Stark