Python读取DBF文件时字符串转浮点数失败：错误传感器数据处理

问题根源 #

你遇到的报错是因为dbfread默认会自动尝试将字段值转换为对应的数据类型，当读到--327这类不符合浮点数格式的内容时，内部转换逻辑直接抛出ValueError——这个错误发生在你迭代数据之前，所以你的try-except根本捕获不到。

解决方案：关闭自动类型转换，手动处理值 #

通过给DBF对象添加raw=True参数，让所有字段以原始字节/字符串形式读取，跳过自动转换，之后你可以自行判断并处理异常值：

修改后的逐行读取代码 #

import numpy as np
import dbfread

# 开启raw模式，禁用自动类型转换
data = dbfread.DBF(file, raw=True)
for line in data:
    try:
        raw_humi = line["humidity"]
        # 把字节类型解码为字符串（适配报错里的b'--327'格式）
        if isinstance(raw_humi, bytes):
            raw_humi = raw_humi.decode('utf-8').strip()
        # 匹配异常值，直接设为0.0；正常值转成float
        if raw_humi == "--327" or not raw_humi:
            val_humi = 0.0
        else:
            val_humi = float(raw_humi)
    except Exception as e:
        val_humi = np.nan
        print(f"处理湿度值出错: {e}")
    default_further_processing_of_read_value_and_df_insertion(val_humi)

用Pandas批量处理的方案 #

如果习惯用DataFrame操作，可以先读取原始数据再批量清洗：

import pandas as pd
import dbfread

# 读取原始未转换的数据
data = dbfread.DBF(file, raw=True)
df = pd.DataFrame(data)

# 批量处理humidity列
def clean_humidity(val):
    # 解码字节、去除空白字符
    if isinstance(val, bytes):
        val = val.decode('utf-8').strip()
    # 替换异常值和空值为0.0
    if val == "--327" or not val:
        return 0.0
    # 正常值转浮点数，失败则设为nan
    try:
        return float(val)
    except:
        return np.nan

df['humidity'] = df['humidity'].apply(clean_humidity)
# 后续处理DataFrame
default_further_processing_of_df(df)

额外说明 #

• raw=True是关键：它让dbfread放弃自动类型推断，避免读取阶段就报错。
• 同时处理空值：适配你提到的Excel显示为空单元格的情况，确保所有异常情况都被覆盖。

内容的提问来源于stack exchange，提问作者ManEngel