如何将DataFrame列中的浮点数列转换为百分比并保留1位小数

可以通过Pandas的apply方法配合自定义函数实现需求，核心逻辑是对value列中每个列表的元素乘以100后，按示例要求格式化精度和类型：

步骤1：构造示例DataFrame #

import pandas as pd

# 模拟你的原始数据
data = {
    'id': [1, 2, 3],
    'name': ['AA', 'BB', 'CC'],
    'value': [[0.0012, 0.0022, 0.365], [0.0412, 0.822, 0.03], [0.692, 0.0002, 0.56]]
}
df = pd.DataFrame(data)

步骤2：定义处理函数 #

这个函数会遍历列表中的每个数值，完成缩放、四舍五入，并根据数值类型转换为int或float（匹配示例中的显示格式）：

def process_value_list(lst):
    processed = []
    for num in lst:
        # 先乘以100缩放
        scaled_num = num * 100
        # 四舍五入到1位小数
        rounded_num = round(scaled_num, 1)
        # 如果是整数，转成int类型；否则保留float
        if rounded_num == int(rounded_num):
            processed.append(int(rounded_num))
        else:
            processed.append(rounded_num)
    return processed

步骤3：应用函数到DataFrame #

df['value'] = df['value'].apply(process_value_list)

最终结果 #

执行后df的内容如下：

id name          value
0   1   AA  [0.1, 0.2, 36.5]
1   2   BB   [4.1, 82.2, 3]
2   3   CC  [69.2, 0.0, 56]

简化版（不区分int/float） #

如果不需要刻意把整数转为int类型，只需要保留1位小数，函数可以简化为列表推导式：

df['value'] = df['value'].apply(lambda lst: [round(num * 100, 1) for num in lst])

结果会是[0.1, 0.2, 36.5]、[4.1, 82.2, 3.0]、[69.2, 0.0, 56.0]，精度符合要求。

内容的提问来源于stack exchange，提问作者SM079