如何移除DataFrame文本列的b''编码前缀 解码得到NaN该如何解决

你调用str.decode('utf-8')返回NaN的核心原因是body列的内容实际是字符串类型，而非bytes字节类型：你看到的b''是字符串本身的内容组成部分，不是Python字节对象的类型标识，针对字节序列的decode方法无法作用于字符串，因此返回空值NaN。

分两种场景对应处理：

• 场景1：body列是字符串类型（可通过print(df.dtypes)确认）
  直接对字符串做内容清理即可，两种常用写法：

  1. 固定截取法（适配你当前的b'xxx'标准格式）

  df['body'] = df['body'].str.slice(start=2, stop=-1)
  

  2. 正则替换法（兼容性更强，可适配部分格式不统一的行）

  df['body'] = df['body'].str.replace(r"^b'(.*)'$", r"\1", regex=True)
  

• 场景2：body列确实是bytes类型，decode返回NaN是因为存在非UTF-8编码字符
  增加异常处理参数即可：

  # 忽略非法编码字符
  df['body'] = df['body'].str.decode('utf-8', errors='ignore')
  # 或换用兼容所有单字节的latin-1编码尝试
  df['body'] = df['body'].str.decode('latin-1')
  

处理完成后可通过print(df['body'].head())验证结果是否符合预期。

内容的提问来源于stack exchange，提问作者Yoo