如何将DataFrame中Bytes列的转换值覆盖回对应行？

你当前的循环只是在临时变量i上做修改，根本没同步到原DataFrame里，所以原列不会有任何变化。下面给你几种可行的解决方法：

方法1：用apply函数（简洁直观） #

写一个转换函数，用apply批量处理整列数据：

def convert_bytes(val):
    val_str = str(val)
    if "M" in val_str:
        return int(float(val_str.split()[0]) * 1000000)
    else:
        return int(val_str)

# 直接覆盖原列
df1['Bytes'] = df1['Bytes'].apply(convert_bytes)

方法2：向量化操作（推荐给大型DataFrame） #

向量化操作比循环和apply效率高得多，适合你说的大型CSV场景：

# 筛选出带'M'的行
has_m = df1['Bytes'].str.contains('M', na=False)
# 处理带'M'的行：拆分取数值、转浮点、乘1000000
df1.loc[has_m, 'Bytes'] = df1.loc[has_m, 'Bytes'].str.split().str[0].astype(float) * 1000000
# 处理不带'M'的行：直接转整数
df1.loc[~has_m, 'Bytes'] = df1.loc[~has_m, 'Bytes'].astype(int)
# 统一把整列转成int类型
df1['Bytes'] = df1['Bytes'].astype(int)

方法3：循环修改（不推荐大型数据） #

如果非要用循环，得通过索引定位到原DataFrame的行来修改：

for idx, val in df1['Bytes'].items():
    val_str = str(val)
    if "M" in val_str:
        df1.loc[idx, 'Bytes'] = int(float(val_str.split()[0]) * 1000000)
    else:
        df1.loc[idx, 'Bytes'] = int(val_str)

注意：如果你的数据里有NaN或者其他异常格式，记得提前做清理，避免转换报错。

内容的提问来源于stack exchange，提问作者corey