Pandas函数可单独作用于列但无法作用于整个DataFrame的问题求助

问题重现 #

示例DataFrame代码：

import pandas as pd
import datetime as dt

df = pd.DataFrame({'smiles': ['CCCCC', 'CCCC1', 'CCCN1'],
                        'ID' : ['A-111', 'A112', 'A-113'],
              'Parameter_1':[30.0, 31.4, 15.9],
              'Parameter_2':[pd.NA, '0.644', '4.38E-02'],
              'Date': [dt.date(2021, 1, 1), dt.date(2021, 1, 2), dt.date(2021, 1, 3)]})

自定义数值转换函数：

def num_parse(element):
    try:
        float(element)
        return float(element)
    except ValueError:
        return(element)
    except TypeError:
        return(element)

对单个列应用函数时运行正常：

df['Parameter_1'] = df['Parameter_1'].apply(num_parse)

但对整个DataFrame应用时触发报错：

df = df.apply(num_parse)

报错信息：

TypeError: cannot convert the series to <class 'float'>

报错原因 #

df.apply()默认按列（axis=0）传递数据，此时传入num_parse的是整列的Series对象，而float()无法直接将Series转为浮点数，因此抛出类型错误。

而Series.apply()是逐元素传递值给函数，所以能正常处理每个单独的元素。

解决方法 #

要对整个DataFrame的每个元素应用函数，使用df.applymap()方法，它会逐元素遍历整个DataFrame，将每个元素单独传入函数处理：

df = df.applymap(num_parse)

处理后效果：

• Parameter_2列的'0.644'和'4.38E-02'会被转为浮点数0.644和0.0438
• smiles、ID列的字符串保持原样
• Date列的日期对象不受影响
• 缺失值（NaN/pd.NA）会被保留（因为转换时触发TypeError，函数返回原元素）

内容的提问来源于stack exchange，提问作者Stuchfield