CSV列含混合字符串与数字，需将="x"格式转为数值型

方案1：使用Python Pandas（推荐，适合复杂CSV） #

Pandas可以快速批量处理CSV文件，自动适配大部分格式场景：

import pandas as pd

# 读取原始CSV文件
df = pd.read_csv("input.csv")

# 清洗N列：移除="前缀和"后缀，转换为数值类型
df["N"] = pd.to_numeric(df["N"].str.replace(r'^="|"$', "", regex=True), errors="coerce")

# 保存处理后的文件
df.to_csv("output.csv", index=False)

• str.replace(r'^="|"$', "", regex=True)：用正则精准匹配并移除开头的="和结尾的"
• pd.to_numeric(..., errors="coerce")：将清洗后的字符串转为数值，无法转换的内容会设为NaN（若需保留原值可改为errors="ignore"）

方案2：纯Python（无需第三方库） #

如果不想安装Pandas，用标准库csv逐行处理：

import csv

input_path = "input.csv"
output_path = "output.csv"

with open(input_path, "r", newline="") as infile, open(output_path, "w", newline="") as outfile:
    reader = csv.DictReader(infile)
    writer = csv.DictWriter(outfile, fieldnames=reader.fieldnames)
    writer.writeheader()

    for row in reader:
        n_val = row["N"].strip()
        # 判断是否为="x"格式
        if n_val.startswith('="') and n_val.endswith('"'):
            cleaned_val = n_val[2:-1]  # 提取引号内的内容
        else:
            cleaned_val = n_val
        # 转换为数值，空值或非数值内容留空
        row["N"] = float(cleaned_val) if cleaned_val else ""
        writer.writerow(row)

• 适合处理小体积CSV，能精准控制每一行的处理逻辑

方案3：命令行AWK（快速处理简单CSV） #

适合Linux/macOS或WSL环境，无需编写脚本：

# 替换n_col为N列的实际索引（AWK列从1开始计数）
awk 'BEGIN{FS=OFS=","} NR==1{print; next} {gsub(/^="|"$/, "", $n_col); print}' n_col=1 input.csv > output.csv

• 示例中n_col=1表示N是第一列，根据你的CSV结构调整数值
• 注意：如果CSV中存在引号内包含逗号的情况，该方案可能出错，建议优先用Python方案

内容的提问来源于stack exchange，提问作者verynovice