Pandas read_csv无法解析带前导空格的" FALSE"字符串报错如何解决

问题根因 #

你的配置不生效存在两个核心原因：

1. false_values参数配置的匹配值和实际CSV内容大小写不匹配：你配置的是全大写的" FALSE"，但报错日志里实际读取到的是首字母大写的" False"，无法命中匹配规则
2. 字段前的前导空格没有被默认处理，导致字符串既无法被识别为布尔值，也无法被pd.to_numeric直接解析

解决方案 #

方案1：修改read_csv参数从读入阶段解决（推荐） #

新增skipinitialspace参数自动忽略所有字段的前导空格，同时补全true_values、false_values的大小写匹配规则即可：

data = pd.read_csv(
    os.path.join(path, working_dir, staticDataFileName),
    encoding_errors='ignore',
    skipinitialspace=True,  # 自动去除每个字段前的所有前导空格
    true_values=["TRUE", "True", "true"],  # 覆盖所有大小写写法的真值
    false_values=["FALSE", "False", "false"]  # 覆盖所有大小写写法的假值
)

该方案不需要修改后续的pd.to_numeric逻辑，读入后对应列会直接变成布尔类型或者数值类型，可直接转换成功。

方案2：在数值转换前预处理字符串 #

如果不想修改读入逻辑，可在执行pd.to_numeric前先对字段做空格清除和布尔值替换：

cols=[i for i in data.columns if i not in ["Time"]]
for col in cols:
    # 先清除字符串前后所有空格，再把布尔字符串替换为数值
    data[col] = data[col].str.strip().replace({"True": 1, "False": 0, "TRUE":1, "FALSE":0})
    data[col] = pd.to_numeric(data[col])

内容的提问来源于stack exchange，提问作者Mike H