pandas使用lambda切分列时btts_y转float报ValueError求助

• 原代码对两列硬编码了相同的拆分分隔符：btts_x的两个值用双换行\n\n分隔，btts_y的两个值用单换行\n分隔。硬按\n\n拆分btts_y时，每个单元格根本不会被切开，最终整个带单换行的字符串被传入astype(float)流程，才抛出无法转float的ValueError。
• 爬取的网页内容里换行符格式不统一是常见问题，不需要对两列单独适配拆分逻辑，统一匹配所有连续换行即可。

方案1：嵌入re.sub的lambda实现（匹配你最初的实现思路） #

统一将所有连续换行符替换为固定分隔标记后再拆分，不用区分两列的换行差异：

import re
import pandas as pd

def results(frame):
    # 通用拆分逻辑：匹配1个及以上任意数量的换行符，替换后拆分
    split_by_newline = lambda raw_str: re.sub(r'\n+', '#', raw_str).split('#')

    for col_name, col_prefix in [('btts_x', 'btts_x'), ('btts_y', 'btts_y')]:
        split_df = frame[col_name].apply(split_by_newline).apply(pd.Series)
        split_df.columns = [f'{col_prefix}_1', f'{col_prefix}_2']
        frame = pd.concat([frame, split_df.astype(float)], axis=1)
    return frame

正则规则说明：r'\n+'可以匹配单个\n、连续两个\n甚至更多连续换行的场景，完全兼容你当前两列的格式差异，不会出现拆分失效的问题。

方案2：更简洁的pandas原生实现（无需手动写apply流程） #

利用pandas字符串方法自带的正则拆分能力，代码更短、运行效率更高：

import pandas as pd

def results(frame):
    for col_name, col_prefix in [('btts_x', 'btts_x'), ('btts_y', 'btts_y')]:
        # expand=True会直接把拆分后的内容生成独立列
        split_df = frame[col_name].str.split(r'\n+', expand=True).astype(float)
        split_df.columns = [f'{col_prefix}_1', f'{col_prefix}_2']
        frame = pd.concat([frame, split_df], axis=1)
    return frame

处理完成后会完整生成所有拆分列，完全匹配你需要的数值计算前置要求：

内容的提问来源于stack exchange，提问作者stephen.m