Pandas读取CSV后负数字符串转float失败问题求助

你的问题核心是数据里的负号并非标准ASCII减号（U+002D），而是其他Unicode破折号/减号，同时数据中存在单独的"-"字符串（作为缺失值标记），导致转换时报错。

步骤1：排查真实字符编码 #

先取一个带负号的样本值，打印每个字符的Unicode编码，明确具体是哪种特殊符号：

sample = df['Verified_m'].iloc[0]
for char in sample:
    print(f"字符: '{char}'，Unicode编码: {ord(char)}")

常见的特殊减号类型：

• en-dash（短破折号）：U+2013
• em-dash（长破折号）：U+2014
• 全角减号：U+FF0D

步骤2：针对性替换并处理缺失值 #

根据排查出的编码，替换为标准减号，同时将单独的"-"替换为缺失值（pd.NA），再转换为float类型：

import pandas as pd

# 替换特殊减号为标准ASCII减号
df['Verified_m'] = df['Verified_m'].str.replace('\u2013', '-')  # 处理en-dash
df['Verified_m'] = df['Verified_m'].str.replace('\u2014', '-')  # 处理em-dash
df['Verified_m'] = df['Verified_m'].str.replace('\uff0d', '-')  # 处理全角减号

# 将单独的"-"替换为缺失值
df['Verified_m'] = df['Verified_m'].replace('-', pd.NA)

# 转换为float类型
df['Verified_m'] = df['Verified_m'].astype(float)

通用方案（匹配所有类减号字符） #

如果不想逐个排查，可直接用正则匹配所有常见的Unicode减号/破折号：

import re
import pandas as pd

# 匹配所有类减号的Unicode字符，替换为标准减号
df['Verified_m'] = df['Verified_m'].str.replace(r'[\u2010-\u2015\uff0d]', '-', regex=True)

# 处理单独的缺失值标记"-"
df['Verified_m'] = df['Verified_m'].replace('-', pd.NA)

# 转换为float
df['Verified_m'] = df['Verified_m'].astype(float)

内容的提问来源于stack exchange，提问作者Feesh