如何避免在Pandas DataFrame中插入多余零值？附实例求助

方法1：精准提取有效数值（兼容正负、小数、NaN） #

你用str.replace(r'\D', ' ')会把所有非数字字符替换成空格，导致出现多余内容。可以用正则直接提取包含正负号、小数点的数字部分，再转成数值类型：

# 提取数字核心部分，忽略括号、百分号等无关字符
df2[cell] = df2[cell].astype(str).str.extract(r'([-+]?\d+\.?\d*)', expand=False)
# 转换回数值格式，自动保留NaN
df2[cell] = pd.to_numeric(df2[cell], errors='coerce')

处理(37)%会直接得到37，-0.37这类负数也能完整保留，NaN值不受影响。

方法2：针对百分号格式的定向处理 #

如果数据都是(37)%、-0.37%这类带百分号的格式，也可以分步清理：

# 先去掉百分号
df2[cell] = df2[cell].astype(str).str.replace('%', '', regex=False)
# 再移除括号
df2[cell] = df2[cell].str.replace(r'[()]', '', regex=True)
# 转成数值类型
df2[cell] = pd.to_numeric(df2[cell], errors='coerce')

这种方式更贴合你的数据格式，清理逻辑直观易懂。

处理后示例输出 #

执行上述方法后，df2[cell].to_list()的输出为：
[3.04, -0.37, nan, -1.0, -0.44, -0.48, -0.25, -0.27, -0.59, -0.2, -0.09, 0.03, -0.42, -0.69, -0.04, -0.76, -0.66, -0.21, -0.53, -0.47, -0.1, -0.12, -0.47, 0.19, -0.21, 0.2, nan, -0.33, -0.06, 0.04, 0.44]

内容的提问来源于stack exchange，提问作者chaos