先用strip()去首尾空格，再链式调用replace('$','',regex=False).replace('¥','',regex=False).replace(',','',regex=False)，最后用pd.to_numeric(...,errors='coerce')转浮点。
金额字符串里有 $、¥、, 怎么一次性全干掉
直接用 str.replace 链式调用最稳，别想用正则一步到位——容易漏掉空格或全角符号。常见错误是只删 $ 忘了 ¥ 或 €，或者用 replace(',', '') 但没处理千分位逗号嵌在中间的情况（比如 "1,234.56"）。
实操建议：
立即学习“Python免费学习笔记（深入）”；
macOS UI 自动化技能包 —— 用 Python 控制你的 Mac
下载
让 macOS 自动化像说话一样简单 —— 用代码控制你的 Mac，无需学习 AppleScript 系统要求 macOS 14+ (Sonoma) Python 3.9+ 需要开启：辅助功能 + 屏幕录制权限
- 先统一用
str.strip()去首尾空格，避免" $1,234.56 "这类干扰 - 链式调用：
.str.replace('$', '', regex=False).str.replace('¥', '', regex=False).str.replace(',', '', regex=False) - 如果数据混有多种货币符号，更稳妥的是用
str.replace(r'[^\d.-]', '', regex=True)——但注意它会把负号-和小数点.之外的全清掉，前提是金额格式规整（如无括号表示负数）
为什么不能直接 astype(float) 就报错
因为清洗不彻底：残留空格、不可见字符（如 \xa0）、或空字符串 '' 会导致 ValueError: could not convert string to float。Pandas 默认不跳过错误，一遇到就崩。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 清洗后加一步
.replace('', np.nan)或.replace('', '0')，再转类型 - 用
pd.to_numeric(..., errors='coerce')替代astype(float)，自动把非法值转为NaN，比硬转安全得多 - 检查是否含百分数（如
"12.5%"），得先去掉%再除以 100，否则数值会放大百倍
str.replace 的 regex 参数到底要不要开
关掉（regex=False）更快、更安全，尤其当你要删的只是固定字符（$、,）。开了 regex=True（默认）反而可能误杀，比如 replace('.', '') 会把小数点也删了——因为 . 在正则里是通配符。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 删固定符号一律加
regex=False - 真要用正则（比如删所有非数字字符），明确写
regex=True，并用原始字符串r''避免转义混乱 - 注意
str.replace是逐字符替换，不是全局替换；而str.replace('a', 'b', n=1)可控替换次数，但金额清洗一般不需要
清洗后 astype(float) 精度异常？可能是浮点表示问题
比如 "19.99" 清洗转成 float 后显示 19.990000000000002，这不是清洗问题，是 IEEE 754 浮点精度限制。业务上若需精确小数（如财务），必须用 decimal 或存为整数分单位（如 1999 表示 19.99 元）。
实操建议：
立即学习“Python免费学习笔记（深入）”；
- 展示时用
round(col, 2)或map('{:.2f}'.format)控制输出，但别用它“修复”存储值 - 涉及计算且要求精确，优先转
pd.to_numeric(..., downcast='float')配合后续decimal.Decimal处理 - 导出到 Excel 前记得
df[col] = df[col].apply(lambda x: f'{x:.2f}' if pd.notna(x) else '')，否则 Excel 可能自动补零或科学计数
$ 和一个全角 ＄ 看起来一样，但 ASCII 值不同；一个空格可能是 ' '，也可能是 '\xa0'。动手前先 df['amount'].sample(10).apply(repr) 看原始字节表现，比猜快得多。 
