Pandas中将地址对象转字符串遇bytes类型问题的解决方法

错误原因 #

直接对Series调用decode('UTF-8')会报错，因为decode是单个bytes对象的方法，而Pandas Series是数据集合，没有这个属性，必须对Series中的每个元素单独处理。

解决方案 #

方法1：修复已生成的Bytes类型列 #

如果已经生成了Address_Line1_2的bytes列，可以通过以下两种方式解码：

方式A：使用apply遍历每个元素解码

# 对每个bytes元素调用decode方法
df['Address_Line1_2'] = df['Address_Line1_2'].apply(lambda x: x.decode('UTF-8'))

方式B：使用Pandas的str访问器解码

Pandas的str访问器支持对bytes元素批量解码，代码更简洁：

df['Address_Line1_2'] = df['Address_Line1_2'].str.decode('UTF-8')

方法2：优化原处理流程，避免生成Bytes类型 #

原代码中astype('|S120')是将字符串强制转为bytes类型，这一步完全没必要。直接去掉该步骤，并改用Pandas向量化的str.replace（比apply+lambda效率更高，适合大型数据集）：

import pandas as pd
import re

data = ['1111 S. Washington Street', '2222 S. Jefferson Ave', '3333 W. Madison Court #2']
df = pd.DataFrame(data, columns=['Address_Line1'])

# 1. 将地址转大写
df['Address_Line1_2'] = df['Address_Line1'].str.upper()
# 2. 清理特殊字符：用向量化的str.replace，效率远高于apply遍历
df['Address_Line1_2'] = df['Address_Line1_2'].str.replace('[^A-Za-z0-9 ]+', '', regex=True)

# 查看处理结果
print(df.info())
print(df.head())

处理后Address_Line1_2会保持字符串类型，无需后续解码操作。

内容的提问来源于stack exchange，提问作者Sandra T