DataFrame中object类型列MINUTOS筛选超15分钟球员失效如何解决

MINUTOS列当前是object类型，本质存储的是字符串文本，不是可计算的数值。Python对字符串做大小比较时，是逐位比对字符的编码值，根本不会按照数值大小判断，会出现比如"9" > "15"这类完全不符合实际的判断结果，这就是之前用.loc等各类筛选方法拿不到正确结果的核心原因。

• 第一步：把MINUTOS列转成可计算的数值类型
  通用转换代码，适配绝大多数带脏值的实战场景：

  df['MINUTOS'] = pd.to_numeric(df['MINUTOS'], errors='coerce')
  

  这里加errors='coerce'的作用是：遇到空字符串、特殊标记这类没法转成数字的内容时，自动转成缺失值NaN，不会因为个别异常值让整个转换流程报错中断。
• 第二步：正常执行筛选
  转换完成后列已经变成数值类型，直接用条件筛选就能得到正确结果：

  # 提取出场时长大于15分钟的所有球员数据
  target_df = df[df['MINUTOS'] > 15]
  

如果你的MINUTOS列存的是像"18:32"这类“分钟:秒”格式的文本，没法直接用通用方法转数值，就加个自定义处理逻辑拆分提取分钟数：

def parse_minute(raw_value):
    if pd.isna(raw_value):
        return None
    # 按冒号拆分文本，取冒号前的分钟部分转为浮点数
    return float(str(raw_value).split(':')[0])

df['MINUTOS'] = df['MINUTOS'].apply(parse_minute)
# 处理完成后执行上面的筛选逻辑即可

内容的提问来源于stack exchange，提问作者Sebastian Villalba