Python中批量处理DataFrame多列：删除数值后内容并转为float类型

推荐方案：正则批量提取（一行搞定所有列） #

不用写for循环，直接用pandas的批量字符串处理配合正则，一步完成提取和类型转换：

# 适配整数、浮点数的通用写法
food = food.apply(lambda col: col.str.extract(r'^(\d+\.?\d*)', expand=False).astype(float))

• 正则^(\d+\.?\d*)会精准捕获单元格开头的数值部分，不管是整数（如"5 g"）还是带小数点的浮点数（如"330.0 kcal"）
• apply自动遍历所有列，无需手动指定每一列

如果你的数据只有浮点数（和示例格式完全一致），也可以用更简洁的正则：

food = food.apply(lambda col: col.str.extract(r'^(\d+\.\d+)', expand=False).astype(float))

另一种方案：批量split处理 #

要是你更习惯用split方法，同样可以批量操作，不用逐列编写：

food = food.apply(lambda col: col.str.split().str[0].astype(float))

• str.split()默认按空格分割单元格内容，取第一个元素就是纯数值部分，再转成float类型即可

补：之前regex未生效的原因 #

你之前用regex没成功，大概率是正则写法有误。比如用replace也能实现需求，只要匹配空格后的所有内容并替换为空：

food = food.replace(r'\s+.+$', '', regex=True).astype(float)

这里\s+.+$会匹配从第一个空格到单元格末尾的所有内容，替换后剩下纯数值，再转类型即可。

内容的提问来源于stack exchange，提问作者irene G