pandas按下划线分割文件名加列时报int() base10转换错误如何解决

• 代码逻辑和需求不匹配：你需要提取的是下划线之后、.jpg后缀之前的数值，但当前代码里img_name.split("_")[0]取的是下划线前的第一段内容，报错信息中的combined就是文件名第一段的内容，自然无法转换为整数
• 缺少后缀处理步骤：即使正确取到下划线后的内容，也会携带.jpg后缀，直接转整数也会触发格式错误

方法1：修正原有分割逻辑 #

适合文件名格式固定为[前缀]_[数值].jpg、仅包含一个下划线的场景：

master_df['age'] = master_df['filename'].map(
    lambda img_name : np.uint8(
        img_name.split("_")[1] # 取下划线后的第一段内容
        .replace(".jpg", "") # 移除.jpg后缀
    )
)

方法2：正则提取（更推荐） #

容错性更高，不受文件名前缀下划线数量、后缀大小写影响，直接匹配目标数值：

# 正则规则：匹配下划线后的连续数字，直到遇到.jpg为止
master_df['age'] = master_df['filename'].str.extract(r'_(\d+)\.jpg').astype(np.uint8)

如果存在部分不符合命名规则的文件，可提前过滤避免运行报错：

# 筛选符合「前缀_数字.jpg」格式的文件
valid_file_mask = master_df['filename'].str.match(r'^.*_\d+\.jpg$', na=False)
print(f"过滤不符合规则的文件数量：{ (~valid_file_mask).sum() }")
# 仅为合规文件赋值age
master_df.loc[valid_file_mask, 'age'] = master_df.loc[valid_file_mask, 'filename'].str.extract(r'_(\d+)\.jpg').astype(np.uint8)

内容的提问来源于stack exchange，提问作者SMR