如何将含向量的Pandas Series类型从str转换为数值型？

针对你的需求，这里提供两种实用的转换方案，适配常见的字符串向量格式：

方案1：字符串拆分+数值转换 #

适用于字符串格式类似"[0.123, 0.456, 0.789]"或"0.123,0.456,0.789"的场景：

import pandas as pd

# 示例Series
s = pd.Series(["[0.1, 0.2, 0.3]", "[0.4, 0.5, 0.6]"])

# 转换为每行对应一个向量的DataFrame（方便后续数值运算）
numeric_df = s.str.strip('[]')  # 移除首尾方括号
              .str.split(',\s*', expand=True)  # 按逗号+任意空格拆分
              .apply(pd.to_numeric, axis=1)

# 如果需要保持Series格式（每个元素为数值数组）
numeric_series = s.apply(lambda x: [float(num.strip()) for num in x.strip('[]').split(',')])

方案2：直接解析字符串为Python列表 #

如果字符串是标准的Python列表格式（比如带方括号、元素为数字），可以用ast.literal_eval直接解析，效率更高：

import pandas as pd
import ast

# 示例Series
s = pd.Series(["[0.1, 0.2, 0.3]", "[0.4, 0.5, 0.6]"])

# 转换为DataFrame
numeric_df = s.apply(ast.literal_eval).apply(pd.Series)

# 保持Series格式（每个元素为数值数组）
numeric_series = s.apply(ast.literal_eval)

特殊格式处理 #

如果你的字符串存在非标准格式（比如多余符号、特殊分隔符），可以先做预处理：

• 若字符串包含多余空格或特殊字符，先用str.replace清理：s = s.str.replace(r'[^\d.,]', '', regex=True)
• 若分隔符不是逗号，将split的参数改为对应分隔符（比如分号则用str.split(';')）

内容的提问来源于stack exchange，提问作者talha06