Pandas十六进制DataFrame转整数浮点数及拆列报错解决方案

int() can't convert non-string with explicit base错误触发原因：

• str.split(expand=True)拆分后，若每行十六进制串长度不一致，会自动填充None作为缺失值，列内会混合字符串与空值，并非全是字符串类型
• pandas的object是通用混合类型dtype，即使是字符串拆分得到的列，只要存在非字符串值（空值、数值等）都会显示为object类型，不代表列内全是字符串。
  直接对整列传入int(base=16)时，碰到空值/非字符串值就会触发类型错误。

无需手写显式循环，使用pandas内置向量化操作即可完成，性能远高于逐行循环：

import pandas as pd

# 第一步：清洗拆分后的数据，去除单元格前后空白，统一空值格式
x_df = x_df.apply(lambda col: col.str.strip()).replace('', pd.NA)

# 第二步：按规则分组列
int_cols = header[:24]  # 前24列转换为整数
float_cols = header[24:-1]  # 第25列到倒数第二列（排除末尾Checksum列）转换为浮点数
checksum_col = ["Checksum"]  # 校验和列默认按十六进制整数处理

# 第三步：逐单元格把十六进制字符串转为整数，自动跳过空值
x_df = x_df.applymap(lambda val: int(val, base=16) if pd.notna(val) else pd.NA)

# 第四步：按列规则转换对应数据类型
x_df[int_cols + checksum_col] = x_df[int_cols + checksum_col].astype("Int64")  # 用pandas可空整数类型，兼容空值
x_df[float_cols] = x_df[float_cols].astype("float64")

如果你的浮点数列是多字节拼接的（比如相邻2/4个单字节组合为长十六进制数后再转浮点），只需在第三步转换前增加字节拼接逻辑即可，示例：

# 示例：若T列需要拼接"22""23"两个单字节的十六进制值再转浮点
x_df["T"] = x_df.apply(lambda row: int(f"{row['22']}{row['23']}", base=16), axis=1).astype("float64")

• 转换完成后可通过x_df.dtypes查看各列类型，通过x_df.head()验证转换结果是否符合预期。

内容的提问来源于stack exchange，提问作者Swawa