求助：将DataFrame中星级评文字符串列转换为整数的方法

嘿，我来帮你搞定这个星级转换的问题！你的需求很明确：把DataFrame里像"5.0 out of 5 stars"这样的字符串转成整数星级，之前的尝试踩了几个小坑，我们一步步来解决：

最简洁高效的解决方案：字符串拆分提取 #

因为你的星级字符串格式完全统一，星级数字都在开头第一个位置，直接拆分字符串提取就行，用Pandas的矢量化操作比手动循环快太多：

import pandas as pd

# 直接对StarRating列做转换
df['StarRating'] = df['StarRating'].str.split().str[0].astype(float).astype(int)

拆解一下这个操作： #

• str.split()：把每个字符串按空格拆成列表，比如"5.0 out of 5 stars"会变成['5.0', 'out', 'of', '5', 'stars']
• str[0]：取列表的第一个元素，也就是我们要的"5.0"
• astype(float).astype(int)：先转成浮点数，再转成整数，这样5.0就变成5，2.0变成2，完美符合你的需求

更灵活的备选方案：正则表达式提取 #

如果以后你的星级字符串格式可能有变化（比如位置调整），用正则提取数字部分会更稳妥：

df['StarRating'] = df['StarRating'].str.extract(r'(\d+\.\d+)').astype(float).astype(int)

这个正则r'(\d+\.\d+)'会精准匹配所有类似X.X的浮点数，不管它在字符串的哪个位置，都能提取出来。

为什么你之前的方法会报错？ #

咱们来复盘一下你踩的坑：

• 第一个方法df[["StarRating"]].apply(pd.to_numeric)：pd.to_numeric只能解析纯数字的字符串，你的字符串里有"out of stars"这些非数字内容，自然会报ValueError
• 第二个循环代码：有好几处语法和逻辑错误：
  • for col in df.StarRating()：df.StarRating是一个Series，不需要加括号调用，正确的遍历应该是for val in df['StarRating']
  • if语句里用=做判断是完全错误的（=是赋值，==才是判断相等），而且整个逻辑混淆了条件和赋值，根本无法正确执行

放心用上面的两种方法，尤其是第一种，针对你现在的格式完全够用，而且比循环高效得多！

内容的提问来源于stack exchange，提问作者Greg