如何移除DataFrame中数值的.0？pandas处理DOB(Year)列遇NaN问题求助

你代码出错的核心原因是列名没有加引号——DOB(Year)会被Python识别为函数调用，而非列名，导致无法正确定位目标列，最终赋值结果全为NaN。下面是几种可行的解决方案：

方案1：修正原字符串替换代码 #

把列名用单/双引号包裹，确保能正确访问到目标列，同时正则中的.需要转义（避免匹配任意字符）：

df['DOB(Year)'] = df['DOB(Year)'].astype(str)
df['DOB(Year)'] = df['DOB(Year)'].str.replace(r"\.0$", "", regex=True)

方案2：直接转换为整数（更高效） #

因为你的数据都是整数的浮点数形式，直接转成整数类型就能自动去掉.0；如果需要字符串格式，再转一次即可：

# 转成整数类型（数字格式）
df['DOB(Year)'] = df['DOB(Year)'].astype(int)

# 如果需要字符串格式
df['DOB(Year)'] = df['DOB(Year)'].astype(int).astype(str)

方案3：apply灵活处理（适配特殊情况） #

如果数据中存在非整数的浮点数（比如1990.5），可以用apply判断后针对性处理：

def clean_dob(x):
    if x == int(x):
        return str(int(x))
    return str(x)

df['DOB(Year)'] = df['DOB(Year)'].apply(clean_dob)

内容的提问来源于stack exchange，提问作者Shital