Python处理DataFrame列替换触发TypeError，求助解决

错误原因分析 #

你遇到的TypeError: expected string or bytes-like object，核心问题是列'A'中混合了字符串和数值类型（比如示例里的23、42是整数，23.12、23.4是浮点数），而re.sub函数只能处理字符串对象，遍历到数值类型元素时就会报错。

另外，你原来的正则逻辑和需求不匹配：你需要把E/V开头的内容替换为300，但原代码是把E/V后面的数字保留并追加3000，这不符合预期。

解决方案一：使用Pandas字符串方法（简洁高效，适合大数据集） #

因为你的数据集有10万+条记录，Pandas的内置str方法比map/apply更高效，而且自动处理类型转换问题：

import pandas as pd

# 1. 先将整列转为字符串类型，确保所有元素都能被正则处理
df['A'] = df['A'].astype(str)

# 2. 替换所有以E/V开头的内容为'300'
df['A_cleaned'] = df['A'].str.replace(r'^[EV].*', '300', regex=True)

# 3. 将小数形式的内容替换为整数部分（比如23.12→23，23.4→23）
df['A_cleaned'] = df['A_cleaned'].str.replace(r'^(\d+)\.\d+$', r'\1', regex=True)

# 4. 最终转为整数类型
df['A_cleaned'] = df['A_cleaned'].astype(int)

正则说明：

• ^[EV].*：匹配以E或V开头的任意字符串，直接替换为300
• ^(\d+)\.\d+$：匹配标准小数格式，提取小数点前的整数部分替换

解决方案二：自定义函数+apply（直观易读） #

如果你更喜欢用自定义函数控制逻辑，可以先把元素转为字符串再处理：

import pandas as pd

def clean_value(x):
    x_str = str(x)
    # 处理E/V开头的内容
    if x_str.startswith(('E', 'V')):
        return '300'
    # 处理小数
    elif '.' in x_str:
        return x_str.split('.')[0]
    # 纯整数直接返回
    else:
        return x_str

# 应用函数并转为整数
df['A_cleaned'] = df['A'].apply(clean_value).astype(int)

验证结果 #

针对你给出的示例数据，两种方案都会得到如下结果：

内容的提问来源于stack exchange，提问作者scr