如何将TXT文件中字符串格式的科学计数法数值转换为浮点数？

看起来你遇到的问题根源是分隔符设置不对！咱们先理清楚问题出在哪：

从你贴的输出能看到，每一行里的多个科学计数法数值是用多个空格分隔的，但你在read_csv里指定了delimiter="\t"（制表符），这就导致pandas把整一长串的数值当成了单独的一列。这种情况下你再去转数值，整个长字符串肯定没法转成单个浮点数，结果自然全是NaN了。

给你两个简单的解决思路，核心都是先把数据正确拆分成单独的列：

方案1：读取时直接用正确的分隔符 #

直接把分隔符改成sep="\s+"（它能匹配一个或多个空白字符，不管是空格还是制表符都能处理），pandas会自动把每个科学计数法的字符串分到单独的列，并且默认就能识别成浮点数：

import pandas as pd
import numpy as np

# 用\s+匹配多个空格分隔的数值，正确拆分列
data_Test = pd.read_csv("TestData5.txt", header=None, sep="\s+")

# 可选：如果有个别异常值，强制转换确保数值类型
data_Test = data_Test.apply(pd.to_numeric, errors='coerce')

# 查看转换后的结果
print("TestData (first 5 rows):\n", data_Test.head())

运行后你会发现，原来的长字符串被拆成了多列，每列都是正常的浮点数，不会再出现NaN了。

方案2：先按原方式读取，再拆分列 #

如果你因为某些原因必须先按整列读取，也可以后续拆分字符串列：

import pandas as pd
import numpy as np

# 先按原方式读取整列字符串
data_Test = pd.read_csv("TestData5.txt", header=None, delimiter="\t", dtype=str)

# 拆分每一行的字符串成多个数值列
data_Test = data_Test[0].str.split(expand=True)

# 转换为浮点数
data_Test = data_Test.apply(pd.to_numeric, errors='coerce')

# 查看结果
print("TestData (first 5 rows):\n", data_Test.head())

这个方案是先把整列的长字符串按空格拆分，再转成数值类型，效果和方案1一致。

最后可以验证下数据类型，用print(data_Test.dtypes)，正常情况下所有列都会显示float64，说明转换成功啦！

备注：内容来源于stack exchange，提问作者n00bcoder_24