如何拆分含多分隔符的DataFrame列并实现英文数字转数值？

问题分析 #

报错ValueError: No valid number words found!是因为英文数字转数值的工具（如word2number）无法识别混杂分隔符、格式不规范的文本。解决核心是先清理拆分文本，再安全转换数值。

完整实现代码 #

import pandas as pd
from word2number import w2n

# 示例数据（可替换为你的真实数据）
df = pd.DataFrame({
    "cement_water": ["one hundred; twenty", "fifty, thirty", "seventy_forty", "invalid_text; 40"],
    "coarse_fine_aggregate": ["100_50", "150_75", "200_80", "250_90"]
})

### 1. 处理 cement_water 列：多分隔符拆分 + 文本清理
# 统一替换所有分隔符（; , _）为空格，再拆分列
df[["cement_raw", "water_raw"]] = df["cement_water"].str.replace(r"[;,_]", " ", regex=True).str.split(expand=True)
# 去除文本前后多余空格
df["cement_raw"] = df["cement_raw"].str.strip()
df["water_raw"] = df["water_raw"].str.strip()

### 2. 安全转换英文数字为数值（修复报错）
def safe_word_to_num(text):
    """捕获转换异常，避免程序崩溃"""
    try:
        # 先尝试转数值（兼容纯数字文本）
        return float(text) if text.replace(".", "").isdigit() else w2n.word_to_num(text)
    except (ValueError, TypeError):
        # 无法识别时返回NA，后续可根据需求处理（如填充默认值）
        return pd.NA

df["cement"] = df["cement_raw"].apply(safe_word_to_num)
df["water"] = df["water_raw"].apply(safe_word_to_num)

### 3. 处理 coarse_fine_aggregate 列：下划线拆分转数值
df[["coarse_aggregate", "fine_aggregate"]] = df["coarse_fine_aggregate"].str.split("_", expand=True).astype(float)

### 4. 清理中间列（可选）
df = df.drop(["cement_water", "cement_raw", "water_raw", "coarse_fine_aggregate"], axis=1)

print(df)

关键细节说明 #

• 多分隔符处理：用正则r"[;,_]"一次性替换所有目标分隔符，避免多次替换操作
• 报错修复：通过try-except捕获转换异常，同时兼容纯数字文本（避免英文数字工具无法识别阿拉伯数字的问题）
• 灵活性：无法识别的文本返回pd.NA，可根据业务需求改为填充0、保留原文本等逻辑

内容的提问来源于stack exchange，提问作者Shivam Singh