你说的那些符号就是hex价值观。它们实际上可能对保留在数据集中很有用，因为tcpdump如果设置了正确的选项，该工具会输出它们。

尽管如此，您可以使用pandas简单的正则表达式替换它们的出现。hex匹配值的正则表达式是： 0[xX][0-9a-fA-F]+-在这里查看现场演示。

我下载了其中一个 CSV 文件并这样做：

import pandas as pd

filename = "./UNSW-NB15_1.csv"
df = pd.read_csv(filename, nrows=5000)     # read first 5000 lines
df.to_html("with_hex.html")                # open in a browser to inspect (e.g. line 211)

现在使用 DataFramereplace并设置正则表达式标志，并插入任何您想用（此处"NaN"）替换匹配项的内容。

clean = df.replace("0[xX][0-9a-fA-F]+", value="NaN", regex=True)

我用它在浏览器中快速查看数据的清理版本（注意第 211 行）：

clean.to_html("clean.html")

您可以使用相同的技巧替换几乎任何内容，因此您的字段'-'可以替换为：

# "inplace" means it overwrites the values, no new dataframe is returned
clean.replace("-", "NaN", regex=False, inplace=True)

这些是十六进制数字，也就是 16 位数字。Python 中的十六进制数字表示为以“0x”开头的字符串。将它们保留为十六进制或将它们转换为以 10 为基数的整数：

int("0x000b", 16) #=> 11
int("0xc0a8", 16) #=> 49320