如何解决CSV文件十六进制转十进制时的int()类型错误？

这个错误的核心原因是：int(x, 16)要求输入的x必须是字符串类型，但你的数据中存在非字符串内容（比如已被解析为整数/浮点数的数值、空值NaN，或者格式不符合预期的十六进制值）。

解决方案步骤 #

1. 先排查数据类型与异常值

先确认目标列的元素类型，找出非字符串的内容：

cols = ['CAN ID', 'D[0]', 'D[1]', 'D[2]', 'D[3]', 'D[4]', 'D[5]', 'D[6]', 'D[7]']
# 查看每列的数据类型
print(data_combined[cols].dtypes)
# 查看每个元素的具体类型
print(data_combined[cols].apply(lambda col: col.map(type)))

2. 修改转换函数，兼容非字符串与异常值

替换原lambda函数为带类型处理、异常捕获的函数，覆盖多种情况：

import pandas as pd

def hex_to_int(x):
    try:
        # 统一转为字符串并去除首尾空格
        x_str = str(x).strip()
        # 兼容带0x/0X前缀的十六进制字符串
        if x_str.lower().startswith('0x'):
            return int(x_str, 0)  # int(x,0)自动识别进制
        # 处理纯十六进制字符串
        return int(x_str, 16)
    except (ValueError, TypeError):
        # 无效值/空值返回NaN，也可根据需求改为0或其他默认值
        return pd.NA

3. 应用转换函数到目标列

data_combined[cols] = data_combined[cols].applymap(hex_to_int)
data_combined.head()

4. 从源头避免问题：读取CSV时指定字符串类型

如果CSV读取时自动将十六进制值解析为整数，可在读取阶段直接指定所有目标列为字符串类型：

data_combined = pd.read_csv('your_file.csv', dtype={col: str for col in cols})

内容的提问来源于stack exchange，提问作者RITU RAI