Pandas处理邮编列报invalid literal for int()错误 如何替换混合值为0

针对1500万条的大数据量场景，优先使用pandas向量化操作避免遍历损耗，完整实现代码如下：

import pandas as pd

# 若需保留原逻辑的前向填充空值，可先执行下一行
# df['buyer_zip'] = df['buyer_zip'].ffill()

# 1. 把空值统一转为空字符串方便后续处理
df['buyer_zip'] = df['buyer_zip'].fillna('')
# 2. 移除所有横杠，拼接5+4格式邮编的前后段
df['buyer_zip'] = df['buyer_zip'].str.replace('-', '', regex=False)
# 3. 校验是否为纯数字，包含非数字的内容统一替换为0
df['buyer_zip'] = df['buyer_zip'].where(df['buyer_zip'].str.fullmatch(r'\d+', na=False), '0')
# 4. 转为整数类型
df['buyer_zip'] = df['buyer_zip'].astype(int)

逻辑说明 #

• regex=False关闭正则匹配，大幅提升横杠替换的执行速度
• str.fullmatch会校验整段字符串是否全为数字，只要包含字母、特殊符号就会匹配失败，直接替换为0
• 所有操作均为向量化执行，1500万条数据可在秒级完成处理
• 如需同步处理item_zip列，替换列名执行相同逻辑即可

处理后输出和预期完全一致：

buyer_zip
0      97219
1  114153528
2          0
3  907031234

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