pandas DataFrame无法正确读取生成的仅含float64温度列的CSV文件

• 你在Notepad++里看到的「NUL」不是普通文本字符串"NUL"，是ASCII码为0的空控制字符（转义表示为\x00）。你现有代码替换的是字符串"NUL"，完全无法处理这个不可见控制字符，导致最终写入CSV的温度值前缀带有\x00。
• pandas解析数值类型时，遇到字段开头的不可见控制字符，会判定内容不是合法数值，直接转换为NaN。而你用Notepad++打开文件并手动保存时，软件会自动过滤掉文件中的\x00空控制字符，因此保存后的文件可以被pandas正常解析。

方法1：预处理阶段直接清除空控制字符 #

把原有替换逻辑中针对"NUL"的替换，改为直接清除\x00字符，同时可以配合正则提取严格过滤温度数值，避免其他异常字符干扰：

import re

lines = f.readlines()
processed_temp = []
for line in lines:
    # 清除空控制字符和方括号
    line = line.replace("[", " ").replace("\x00", "")
    # 正则匹配提取温度数值，避免其他冗余内容混入
    temp_res = re.search(r"Temp:\s*(\d+\.\d+)C", line)
    if temp_res:
        processed_temp.append(temp_res.group(1))

# 后续将processed_temp的内容写入CSV即可

方法2：读取CSV时做数据清洗 #

如果已经生成了带异常字符的CSV文件，也可以在pandas读取阶段对温度列做清洗后再转换类型：

import pandas as pd

# 先以字符串类型读取所有列，避免提前转数值产生NaN
df = pd.read_csv("temp.csv", dtype=str)
# 清除温度列中所有非数字、小数点的字符，再转float类型
df["温度列名"] = df["温度列名"].str.replace(r"[^\d.]", "", regex=True).astype("float64")

内容的提问来源于stack exchange，提问作者Doug Nguyen