DataFrame处理战争死亡数据时出现数值拼接错误与科学计数法问题

问题场景 #

我有一个记录战争、战争持续时间和死亡人数的DataFrame，为提取纯数字字符串，替换了"+"和","等符号后转为数值类型，使用的函数如下：

def death_range(df):
    df["death_range"] = df["death_range"].str.replace(",","")
    
    df["death_base"] = df["death_range"].str.split("–").str[0]
    df["death_max"] = df["death_range"].str.split("–").str[-1]
    
    df["death_base"] = df["death_base"].str.replace("+"," ")
    df["death_base"] = df["death_base"].str.replace(r"\D","", regex=True)
    
    df["death_max"] = df["death_max"].str.replace("+"," ")
    df["death_max"] = df["death_max"].str.replace(r"\D","", regex=True)
    
    df["death_base"] = pd.to_numeric(df["death_base"], errors='coerce')
    df["death_max"] = pd.to_numeric(df["death_max"], errors='coerce')
    
    return df

执行df_cp['death_max'].max()查看最致命战争的最大死亡人数，得到结果1700000040000000.0；定位对应战争后发现，原死亡范围为正确的17000000-40000000，但处理后却变成了1.700000e+15（即1700000040000000.0）。

问题原因 #

• 分割符不匹配：函数中使用的分割符是全角长破折号–，但原数据里的范围分隔符是半角短横线-，导致str.split()没有将字符串拆分成两部分，death_max取到的是完整的17000000-40000000字符串。
• 非数字替换导致数值拼接：后续用str.replace(r"\D","", regex=True)移除所有非数字字符（包括分隔符-），直接把两个数字拼接成了1700000040000000，转成数值后就出现了异常大的结果。

修复方案 #

调整分割符匹配逻辑，同时优化处理流程，兼容半角/全角分隔符，避免重复操作：

import pandas as pd

def death_range(df):
    # 统一处理逗号和加号，保留数字与分隔符
    df["death_range"] = df["death_range"].str.replace(",", "").str.replace("+", "")
    
    # 用正则同时匹配半角短横线和全角破折号，拆分出上下限并直接生成两列
    df[["death_base", "death_max"]] = df["death_range"].str.split(r"[-–]", expand=True)
    
    # 提取纯数字，清理残留的非数字字符
    df["death_base"] = df["death_base"].str.replace(r"\D", "", regex=True)
    df["death_max"] = df["death_max"].str.replace(r"\D", "", regex=True)
    
    # 转为数值类型，无法转换的设为NaN
    df["death_base"] = pd.to_numeric(df["death_base"], errors='coerce')
    df["death_max"] = pd.to_numeric(df["death_max"], errors='coerce')
    
    return df

优化点说明 #

• 提前统一处理逗号和加号，减少重复的字符串替换操作
• 使用正则r"[-–]"同时匹配两种分隔符，兼容不同格式的原始数据
• 用expand=True直接将拆分结果转为两列，代码更简洁直观

内容的提问来源于stack exchange，提问作者S.H