Python DataFrame中谷歌表格百分比列转换数值异常的问题与解决方法

我太懂你这种折腾几小时卡壳的感受了——把Google Sheets里带百分比格式（比如15.6%）的列转成Python DataFrame数值类型时，结果全变成1.0000，还有N/A值捣乱，确实头疼。

问题根源拆解 #

你原来的代码里用了str.astype('float')，但这个方法有个致命问题：一旦列里混了NaN值，str属性只能处理纯字符串数据，没法兼容缺失值，反而会把所有值错误解析成1.0。另外，你手动替换%符号的步骤其实可以更高效地整合到转换逻辑里。

正确的解决方案 #

感谢@PraysonW.Daniel提供的靠谱方法，用pd.to_numeric配合errors="coerce"参数就能完美解决：

# 先处理空字符串为NaN（如果需要的话）
df = df.replace(r'^\s*$', np.nan, regex=True)
cols = ['A','B','C','D']
# 转换百分比列为数值并转为小数
df[cols] = df[cols].apply(pd.to_numeric, errors="coerce").div(100)

为什么这个方法管用 #

• pd.to_numeric能自动识别带%符号的字符串，直接把"15.6%"转换成数值15.6，省掉了手动替换%的步骤
• errors="coerce"会把无法转换的值（包括原有的N/A）统一转为NaN，避免转换失败导致程序中断
• 最后用.div(100)把数值转为小数形式（15.6 → 0.156），完全符合你的计算需求

这么处理后，你的百分比列就能正确转换成0.156这类小数，同时保留原有的缺失值，不会再出现全是1.0000的诡异结果啦。

内容的提问来源于stack exchange，提问作者Anand Shankar