本文讲解为何在 Pandas 中用 str.extract() 提取 GPA 等浮点数值时会丢失小数位，并通过添加原始字符串前缀 r 和优化正则模式，确保 2.4、3.654、2.25 等精度完整保留。
本文讲解为何在 pandas 中用 `str.extract()` 提取 gpa 等浮点数值时会丢失小数位，并通过添加原始字符串前缀 `r` 和优化正则模式，确保 `2.4`、`3.654`、`2.25` 等精度完整保留。
在数据清洗过程中，常遇到类似 GPA 字段包含杂乱字符串（如 '3.79 btch'、'Personal '、'Unknown'）的情况。为统一转为数值类型，典型做法是先转为字符串，再用正则提取数字部分，最后转换为数值。但若忽略原始字符串（raw string） 的必要性，正则中的反斜杠 \d 会被 Python 解释器误处理，导致匹配逻辑失效——这正是小数丢失的根本原因。
例如，未加 r 前缀的 '\d*\.\d+|\d+' 在 Python 字符串中，\. 会被解释为字面量 .（而非“匹配小数点”），而 \d 可能被误识别为非法转义（尤其在旧版本中），最终仅匹配到孤立的整数部分（如 '4'、'3'），造成 3.654 被截断为 3，2.25 变成 2，最终 unique() 仅显示 [2., 3., 4.]。
✅ 正确写法必须使用原始字符串前缀 r，确保正则元字符按预期工作：
food['GPA'] = food['GPA'].astype(str).str.extract(r'(\d+\.\d+|\d+)', expand=False) food['GPA'] = pd.to_numeric(food['GPA'], errors='coerce')
? 正则说明：
r'(\d+\.\d+|\d+)'—— 优先匹配带小数点的数字（如3.654）， fallback 匹配纯整数（如4）；- 使用
\d+（而非\d*）避免匹配空字符串或孤立小数点（如'.5'）；expand=False返回 Series，便于链式赋值；errors='coerce'将无法转换的值设为NaN，安全兜底。
? 额外建议：
- 若源数据含前导/尾随空格（如
'3.8 ',' 2.6'），可先.str.strip()； - 对
'3.79 btch'类型，当前正则已能捕获3.79；但若存在'GPA:3.83'，可升级为r'(\d+\.\d+|\d+)(?=\D|$)'实现更健壮的边界匹配； - 执行后建议验证：
food['GPA'].apply(lambda x: len(str(x).split('.')[-1]) if '.' in str(x) else 0).max()检查最大保留小数位数。
最终，food['GPA'].unique() 将如实返回 [2.4, 3.654, 3.3, ..., 3.882] 等原始精度数值，彻底解决小数截断问题。
