如何使用Pandas替换Excel数据指定值并解决replace属性报错

编写Python脚本通过pandas读取Excel文件生成SQL INSERT命令，需要对读取到的特定字符串做替换处理，运行时触发如下报错：

AttributeError: 'Pandas' object has no attribute 'replace'

原问题脚本代码如下：

import pandas as pd

df = pd.read_excel('JulyData.xlsx')

# print(df)

# print(df.iloc[0, 0])

print('INSERT INTO project(name, object, amount, value)')
for row in df.itertuples(index=False):
    rowString = row
    rowString = rowString.replace(' " ', " ")
    rowString = rowString.replace(' – ', " ")
    rowString = rowString.replace(' / ', " & ")
    rowString = rowString.replace(' ’ ', " ")
    print(f'VALUES {tuple(rowString)}')
    print(f'WAITFOR DELAY \'00:00:02\'')
    print('\n')

涉及的示例数据结构如下：

{'name': ['Xu–, Yi', 'Gare, /Mark'], 'object': ['xuy@anes’.mty.edu', '"gareg@msu.edu'], 'amount': ['100', '200'], 'value': ['"abc"', 'def']}

核心疑问：pandas中如何正确实现上述字符串替换需求？

itertuples() 遍历DataFrame时返回的是Pandas自定义的命名元组对象，不是字符串类型，直接对元组对象调用字符串专属的.replace()方法必然会触发属性不存在的错误。原代码的替换逻辑实际需要作用在元组内的每个字符串字段上，而非元组本身。

优先在遍历前对整个DataFrame做批量字符串替换，比逐行逐字段处理效率更高，参考代码如下：

import pandas as pd

df = pd.read_excel('JulyData.xlsx')

# 批量对所有字段做字符串替换，先把非字符串类型的列转成字符串避免报错
df = df.astype(str)
replace_map = {
    ' " ': ' ',
    ' – ': ' ',
    ' / ': ' & ',
    ' ’ ': ' '
}
for old_str, new_str in replace_map.items():
    df = df.apply(lambda col: col.str.replace(old_str, new_str, regex=False))

print('INSERT INTO project(name, object, amount, value)')
for row in df.itertuples(index=False, name=None):
    print(f'VALUES {row}')
    print("WAITFOR DELAY '00:00:02'")
    print('\n')

方案说明 #

• 先通过df.astype(str)把所有列统一转为字符串类型，避免数值列调用字符串方法时报错
• 把需要替换的键值对整理成映射字典，后续要调整替换规则直接改字典即可，不用重复写replace语句
• 用df.apply配合str.replace对整列做批量替换，是pandas处理字符串替换的标准写法，regex=False参数表示按固定字符串匹配替换，不需要正则解析，速度更快
• itertuples加name=None参数直接返回普通元组，省去额外转tuple的步骤

注：代码里出现的–、’这类乱码本质是Excel文件读取时的编码不匹配问题，如果要从根源解决，可以在read_excel时指定正确的编码参数，不用事后替换乱码。

内容的提问来源于stack exchange，提问作者SkyeBoniwell