CSV数据处理报错：无法将字符串转为float的解决咨询

问题原因 #

你遇到的错误是因为Electronics Spend和Goods Spend列中存在以下情况：

• 部分单元格处理后为空字符串（无数字可提取）
• 部分单元格本身无数字内容（比如纯文本'Goods'），直接转float会失败

原代码仅做了非数字替换，未处理无数字的极端情况，导致转换报错。

解决方案 #

方案1：清理非数字后强制转换（兼容空值/无数字场景） #

使用pd.to_numeric的errors='coerce'参数，将无法转换为数字的内容转为NaN避免报错，同时确保正则替换生效（pandas 2.0+需加regex=True）：

import pandas as pd

# 处理Electronics Spend列
Added['Electronics Spend'] = Added['Electronics Spend'].str.replace(r'\D', '', regex=True)
Added['Electronics Spend'] = pd.to_numeric(Added['Electronics Spend'], errors='coerce').astype(float)

# 处理Goods Spend列
Added['Goods Spend'] = Added['Goods Spend'].str.replace(r'\D', '', regex=True)
Added['Goods Spend'] = pd.to_numeric(Added['Goods Spend'], errors='coerce').astype(float)

方案2：精准提取数字（推荐，更可靠） #

如果列中存在「文本+数字」的混合格式（比如"$500 Goods"），用str.extract直接提取数字部分（支持整数和小数），再转换类型：

import pandas as pd

# 提取Electronics Spend中的数字（包括小数）
Added['Electronics Spend'] = Added['Electronics Spend'].str.extract(r'(\d+\.?\d*)', expand=False)
Added['Electronics Spend'] = pd.to_numeric(Added['Electronics Spend'], errors='coerce').astype(float)

# 提取Goods Spend中的数字
Added['Goods Spend'] = Added['Goods Spend'].str.extract(r'(\d+\.?\d*)', expand=False)
Added['Goods Spend'] = pd.to_numeric(Added['Goods Spend'], errors='coerce').astype(float)

额外说明 #

• 若你的pandas版本低于2.0，str.replace默认开启正则模式，可省略regex=True，但建议加上保证兼容性。
• 转换后生成的NaN值，可根据需求用fillna()填充（比如填充0或列均值）：

  Added['Electronics Spend'] = Added['Electronics Spend'].fillna(0.0)
  

内容的提问来源于stack exchange，提问作者Lily101