Pandas技术问题：将含无效字符的字符串转换为整数

嘿，我刚好碰到过类似的问题，来给你捋捋为什么你的replace没生效，以及怎么搞定它～

首先，你原来的代码ID.replace('[LP]', '', inplace=True)没起作用，是因为pandas的replace方法默认是匹配整个单元格的内容，而不是替换里面的子串。也就是说，只有当某个单元格完完全全就是[LP]的时候，才会被替换成空字符串，而你的情况是ID里包含[LP]这个子串（比如123[LP]或者[LP]456），所以这个操作根本没命中目标。

下面给你两个靠谱的解决方法，选哪个都行：

方法1：用带正则的replace #

因为[和]是正则表达式里的特殊字符，所以我们要先转义它们，告诉程序这就是普通的方括号。然后开启regex=True参数，让replace按正则匹配子串：

# 非原地修改（推荐，避免误改原数据）
df['ID'] = df['ID'].replace(r'\[LP\]', '', regex=True)
# 如果一定要原地修改
df['ID'].replace(r'\[LP\]', '', regex=True, inplace=True)

方法2：用Series的str.replace字符串方法 #

pandas的字符串列有专门的str方法集，str.replace默认就是替换子串，用法更直观，同样要注意转义特殊字符：

# 非原地修改
df['ID'] = df['ID'].str.replace(r'\[LP\]', '')
# 原地修改
df['ID'].str.replace(r'\[LP\]', '', inplace=True)

最后一步：转为整数列 #

替换完之后，ID列还是字符串类型，我们需要把它转成整数：

# 直接转（如果所有值都是纯数字字符串）
df['ID'] = df['ID'].astype(int)
# 更安全的转法：处理可能的无效值（比如空字符串），转成NaN
import pandas as pd
df['ID'] = pd.to_numeric(df['ID'], errors='coerce')

额外提醒 #

如果你的ID列原本不是字符串类型，记得先转成字符串再做替换：

df['ID'] = df['ID'].astype(str)

内容的提问来源于stack exchange，提问作者tq343