Python中如何将带格式的负数字符串转换为可计算数值？

这个问题在处理欧洲风格的数字格式时特别常见——你遇到的其实是Unicode特殊字符在搞鬼：那个负号不是普通的-（ASCII减号），而是−（U+2212 数学负号）；空格也不是普通空格，而是 （U+00A0 非断空格），普通的replace因为字符编码不匹配所以失效了。下面给你几个简便靠谱的解决方法：

方法1：用locale模块（推荐，通用型强） #

Python的locale模块可以直接解析对应区域的数字格式，不用手动替换字符，适配性更强：

import locale
import pandas as pd

# 设置支持欧洲数字格式的locale（不同系统写法可能有差异）
# Linux/macOS 可用 'fr_FR.UTF-8' 或 'de_DE.UTF-8'
# Windows 可用 'French_France.1252' 或 'German_Germany.1252'
locale.setlocale(locale.LC_NUMERIC, 'fr_FR.UTF-8')

# 定义转换函数
def make_float(num):
    return locale.atof(num)

# 批量处理DataFrame列
b['Amount'] = b['Amount'].apply(make_float)

如果不确定系统支持哪些locale，可以用print(locale.locale_alias)查看所有可用别名。

方法2：手动替换特殊字符（灵活可控） #

如果不想依赖locale，也可以精准替换所有特殊字符，用正则表达式处理所有空白类字符更高效：

import re
import pandas as pd

def make_float(num):
    # 把Unicode负号替换成普通减号
    num = num.replace('\u2212', '-')
    # 移除所有空白字符（包括非断空格、普通空格）
    num = re.sub(r'\s+', '', num)
    # 把逗号小数点替换成点
    num = num.replace(',', '.')
    return float(num)

# 批量转换
b['Amount'] = b['Amount'].apply(make_float)

测试你的示例：

test_str = '−1 000 000,00'
print(make_float(test_str))  # 输出：-1000000.0

方法3：pandas原生方法快速处理 #

针对DataFrame场景，可以直接用pandas的字符串方法链配合to_numeric，代码更简洁：

import pandas as pd
import re

b['Amount'] = pd.to_numeric(
    b['Amount']
    .str.replace('\u2212', '-')
    .str.replace(r'\s+', '', regex=True)
    .str.replace(',', '.'),
    errors='coerce'  # 可选参数：转换失败的内容设为NaN
)

处理完成后，Amount列就会变成可直接计算的数值类型啦。

内容的提问来源于stack exchange，提问作者Cronos