Python用pandas读取Excel时因em破折号/连字符导致数据过滤失败

问题原因 #

过滤失败的核心是破折号字符不匹配：肉眼看起来相似的破折号实际属于不同Unicode字符，常见的包括半角连字符-、en破折号–、em破折号—、全角破折号——等，手打输入的字符和Excel单元格内实际存储的字符编码不一致，导致精确匹配失效。

可用解决方案 #

方案1：统一破折号后匹配（最稳妥） #

先把Category列中所有类型的破折号统一替换为同一个标准字符（比如半角连字符），再做匹配，避免编码差异问题。
修改后完整代码：

import pandas as pd
import re
from pathlib import Path

DATA_DIR = Path(r'E:') # 原代码Path.cwd() / r'E:'写法有误，直接指定E盘即可
excelA = DATA_DIR / 'Test.xlsx'

df = pd.read_excel(excelA)

# 预处理：将所有类型的破折号统一替换为半角连字符
df['Category'] = df['Category'].apply(lambda x: re.sub(r'[–—―−]', '-', str(x)))

# 过滤值统一使用半角连字符
catg = ['Cat - AB']
df_new = df[df['Category'].isin(catg)]

print(df_new)

方案2：模糊匹配规避字符差异 #

如果不需要严格匹配全值，用正则模糊匹配，跳过破折号的精确判断：

# 匹配包含Cat、中间任意字符、AB的类目，忽略中间的破折号类型
df_new = df[df['Category'].str.contains(r'Cat\s*.*?\s*AB', na=False)]

方案3：直接复制实际值匹配 #

先打印出Category列的所有唯一值，复制你需要的目标值到过滤列表，避免手打输入的字符偏差：

# 先输出所有类目值
print(df['Category'].unique())
# 从输出结果中直接复制目标值粘贴到catg列表即可
catg = ['Cat – AB'] # 这里的值是复制来的，不是手打，就可以匹配成功
df_new = df[df['Category'].isin(catg)]

其他注意事项 #

原代码中values1 = df1属于无效代码，df1未定义会触发报错，可直接删除该行。

内容的提问来源于stack exchange，提问作者aza01