在Pandas DataFrame中按条件对列值乘1000失败，求解决方案

你的代码未达到预期效果，核心问题是判断条件依赖字符串长度和类型判断的逻辑存在漏洞，具体问题包括：

• 若prix列的值是浮点数（如22.0），str(x)会变成"22.0"，长度为4，不符合len(str(x))==2的条件；
• 若值是字符串类型的数字（如"22"），int(x)==x会直接抛出类型错误；
• 依赖字符串长度还会误判带前导零的数值（如"02"）。

正确实现方式 #

先统一列的数值类型，再通过数值范围+整数判断筛选需要转换的值，推荐用Pandas/NumPy的矢量化操作（比apply更高效）：

import pandas as pd
import numpy as np

# 先将prix列转为数值类型，处理可能的字符串或缺失值
k['prix'] = pd.to_numeric(k['prix'], errors='coerce')

# 生成prix_millions列：仅对10-99之间的整数乘以1000
k['prix_millions'] = np.where(
    (k['prix'].between(10, 99)) & (k['prix'].is_integer()),
    k['prix'] * 1000,
    k['prix']
)

代码说明 #

1. pd.to_numeric：统一将列转为数值类型，errors='coerce'会把无法转换的值设为NaN，避免后续报错；
2. between(10,99)：精准筛选两位数的数值，替代不可靠的字符串长度判断；
3. is_integer()：确保值是整数（兼容int和float类型的整数，如22和22.0）；
4. np.where：矢量化操作，比apply循环处理快得多，适合大数据量场景。

示例测试 #

如果原始数据是：

k = pd.DataFrame({'prix': [22, 3.5, 120, 22.0, '25', 'abc']})

处理后prix_millions列的结果为：[22000.0, 3.5, 120.0, 22000.0, 25000.0, NaN]，完全符合预期。

内容的提问来源于stack exchange，提问作者kim seol