如何将DataFrame中Percentage列的百分比值转换为小数？

核心方案（矢量化操作，性能最优） #

对于格式为#%的百分比列，最高效且简洁的处理方式是利用pandas的矢量化字符串操作，避免逐行循环或apply（这类方法在大数据集下性能极差）。

方法1：基础转换（适用于格式规范的列）

df['Percentage'] = df['Percentage'].str.replace('%', '', regex=False).astype(float) / 100

• 步骤说明：
  1. str.replace('%', '', regex=False)：快速移除所有百分号，regex=False关闭正则匹配，提升处理速度
  2. astype(float)：将字符串转换为浮点型数值
  3. / 100：将百分比数值转换为对应的小数

方法2：稳健转换（兼容缺失值/异常值）

如果列中存在缺失值或非标准格式的内容，推荐使用pd.to_numeric增强容错性：

df['Percentage'] = pd.to_numeric(df['Percentage'].str.replace('%', '', regex=False), errors='coerce') / 100

• errors='coerce'会将无法转换的无效值（如非数字字符串）转为NaN，避免程序报错中断

示例演示 #

import pandas as pd

# 构造测试数据
data = {'Percentage': ['80%', '42%', '100%', '5.5%', None, 'invalid']}
df = pd.DataFrame(data)

# 执行转换
df['Percentage'] = pd.to_numeric(df['Percentage'].str.replace('%', '', regex=False), errors='coerce') / 100

# 输出结果
print(df)

输出：

Percentage
0        0.800
1        0.420
2        1.000
3        0.055
4         NaN
5         NaN

性能说明 #

上述两种方法均为pandas原生矢量化操作，处理100万行级别的数据集时，速度比apply快10~100倍，是处理此类场景的最优选择。

内容的提问来源于stack exchange，提问作者python noobie