如何用Python将CSV中含NaN的字符串温度范围列转为浮点数

嘿，作为Python新手，用pandas库来处理整列数据的需求简直再合适不过啦！我给你准备了两种简单易懂的方法，还特意考虑了NaN值的情况：

第一步：先安装pandas（如果还没装的话） #

打开终端/命令提示符，运行下面的命令：

pip install pandas

第二步：读取并处理CSV文件 #

假设你的CSV里存储温度范围的列名叫温度范围，替换成你实际的列名就行，下面是两种实现方式：

方法1：自定义函数（新手友好，逻辑清晰） #

这种方法每一步都很直观，适合理解整个处理流程：

import pandas as pd
import numpy as np

# 读取你的CSV文件，把路径换成你自己的文件路径
df = pd.read_csv("你的温度数据.csv")

# 定义一个函数，处理单个温度范围字符串
def get_avg_temp(temp_str):
    # 先判断是不是NaN值，如果是直接返回NaN
    if pd.isna(temp_str):
        return np.nan
    # 把"20-25"这样的字符串拆分成两个数字
    low_temp, high_temp = temp_str.split("-")
    # 转成浮点数后计算平均值
    return (float(low_temp) + float(high_temp)) / 2

# 把函数应用到整列，生成新的"平均温度"列
df["平均温度"] = df["温度范围"].apply(get_avg_temp)

# 保存处理后的结果到新CSV
df.to_csv("处理后的温度数据.csv", index=False)

方法2：pandas内置字符串方法（更高效，适合大数据量） #

如果你的CSV数据量很大，用这种方法速度会更快，而且代码更简洁：

import pandas as pd

# 读取CSV文件
df = pd.read_csv("你的温度数据.csv")

# 把温度范围列拆分成"低温"和"高温"两列，同时转成浮点数
df[["低温", "高温"]] = df["温度范围"].str.split("-", expand=True).astype(float)

# 计算平均值，自动处理NaN值（原单元格是NaN的话，计算后还是NaN）
df["平均温度"] = (df["低温"] + df["高温"]) / 2

# 可以删掉临时的"低温""高温"列（可选）
df = df.drop(["低温", "高温"], axis=1)

# 保存结果
df.to_csv("处理后的温度数据.csv", index=False)

小提示 #

• 两种方法都会自动保留原数据中的NaN值，不会出现报错的情况
• 记得把代码里的文件路径和列名替换成你自己的实际内容哦

内容的提问来源于stack exchange，提问作者Niranjan A