使用Pandas读取本地HTML转Dataframe时遇ValueError报错求助

报错原因 #

pd.read_html自动推断列数据类型时，误将包含浮点数格式字符串（如'0.5'）的列识别为整数类型，导致转换失败，抛出ValueError: invalid literal for int() with base 10: '0.5'。

解决方案 #

1. 先以字符串类型读取所有列，后续按需转换 #

这种方法能避免自动推断的类型冲突，之后可手动处理目标列的类型：

# 读取所有表格，所有列按字符串类型加载
df_list = pd.read_html(loca_url, dtype=str)
# 取HTML中的第一个表格（若有多个表格，按需调整索引）
df = df_list[0]

# 示例：将某列转换为数值类型，无法转换的设为NaN
df['目标列名'] = pd.to_numeric(df['目标列名'], errors='coerce')

2. 指定特定列的数据类型 #

如果明确知道哪列引发问题，直接指定该列的类型为float或str：

df_list = pd.read_html(loca_url, dtype={'问题列名': float})
df = df_list[0]

3. 使用转换器处理目标列 #

通过converters参数自定义列的转换逻辑，灵活处理不同格式的数据：

# 对目标列进行转换，确保浮点数格式的字符串能正常转为数值
df_list = pd.read_html(loca_url, converters={'问题列名': lambda x: float(x) if x.strip() else None})
df = df_list[0]

内容的提问来源于stack exchange，提问作者Dini