Python转换DataFrame数据类型时报ValueError: invalid literal for int() with base 10: ' '怎么解决

• 你当前的replace逻辑仅覆盖了C/F/Z三个字符的映射，数据集里还存在未被匹配的纯空格字符串，这类值没有被替换为数值，无法直接通过astype(int)转换为整数，就触发了这个值错误。
• 若数据集里还有其他字母、特殊符号、前后带空格的有效值（比如' C '），也会触发同类报错，本次报错日志明确给出的非法值是空格' '。

你可以根据自己的业务需求选择以下任意一种修复方式：

方法1：补充替换规则覆盖空格（适配当前报错最快） #

直接把空格加入替换映射，设置为你业务可接受的标记值即可，示例如下：

# 补充空格的映射规则，可根据需求调整空格对应的数值
df_tr = df1_dlq_slice.replace({'C': -1, 'F': -2, 'Z': -3, ' ': -4}).astype(int).T
df_tr.head()

如果还有其他空白字符比如制表符、换行符，也可以同步加入映射规则。

方法2：自动处理所有非法值（灵活度最高） #

如果不想硬编码所有异常字符，可以用pd.to_numeric把所有非法值统一转为空值，再用pandas支持空值的Int64整数类型转换：

# errors='coerce'会把所有不能转数值的内容统一设为NaN
df_tr = df1_dlq_slice.replace({'C': -1, 'F': -2, 'Z': -3})\
                     .apply(pd.to_numeric, errors='coerce')\
                     .astype('Int64')\
                     .T
df_tr.head()

方法3：先清洗空白再转换（适配值前后带空格的场景） #

如果是单元格值前后有多余空格导致的匹配失败，可以先全局做去空格处理再执行后续逻辑：

# 先对所有字符串列做去前后空格处理
df_tr = df1_dlq_slice.apply(lambda x: x.str.strip() if x.dtype == 'object' else x)\
                     .replace({'C': -1, 'F': -2, 'Z': -3, '': -4})\
                     .astype(int)\
                     .T
df_tr.head()

内容的提问来源于stack exchange，提问作者Anwar San