如何替换pandas DataFrame列中带°的字符串并转换为float类型

API 探路者

2026-8-30

pandas经纬度列清洗（去除°符号转浮点）解决方案

报错根因

报错1：ValueError: Cannot mask with non-boolean array containing NA / NaN values error。Series.str.contains()默认对NaN/None空值返回NaN而非布尔值，带非布尔值的数组无法作为筛选掩码。
报错2：ValueError: operands could not be broadcast together。两点问题：一是未给str.contains传空值处理参数，条件数组存在NaN；二是df['Lat'][:-1]是整列行切片（丢弃最后一行），不是对单个元素去尾，np.where三个入参数组维度不匹配，无法广播。

正确实现方案

推荐使用鲁棒性更强的向量化实现，无需逐行循环，兼容正常浮点值、带°的字符串、空值三种场景：

import pandas as pd
import numpy as np

# 核心清洗代码：对Lat、Long两列统一处理
for col in ['Lat', 'Long']:
    # 1. 统一转字符串 2. 移除所有°符号 3. 转浮点类型，转换失败的值（空值等）设为NaN
    df[col] = pd.to_numeric(
        df[col].astype(str).str.replace('°', '', regex=False),
        errors='coerce'
    )

原有写法修正（仅作参考，不推荐）

如果要沿用str.contains+np.where的逻辑，需要补全空值处理参数，且对字符串做元素级切片：

# na=False表示空值统一判定为不匹配，解决掩码含NaN的问题
mask = df['Lat'].str.contains('°', na=False)
# .str[:-1]是对每个字符串元素做去尾切片，而非整列行切片
df['Lat'] = np.where(mask, df['Lat'].str[:-1], df['Lat'])
# 最后统一转浮点
df['Lat'] = pd.to_numeric(df['Lat'], errors='coerce')

该写法需要对每列单独写逻辑，且遇到非字符串类型的正常值时容易触发属性错误，优先使用前面的通用向量化方案。