如何将DataFrame中带B/MM的金额字符串转为百万单位数值？

步骤1：修正解析函数 #

你的原始parse_currency函数未适配数据中的MM后缀和纯数字（如"0"）场景，先调整函数匹配你的数据格式：

def parse_currency(value):
    # 处理纯数字（含负数）情况
    if isinstance(value, int) or value.isdigit() or (value.startswith('-') and value[1:].isdigit()):
        return float(value)
    # 处理MM后缀（直接提取数值，单位已是百万）
    elif value.endswith('MM'):
        return float(value[:-2])
    # 处理B后缀（十亿转百万，需乘1000）
    elif value.endswith('B'):
        return float(value[:-1]) * 1000
    # 兜底处理其他格式
    else:
        return float(value)

步骤2：应用到整个DataFrame #

如果所有列都需要转换，直接用applymap方法对每个元素执行函数：

import pandas as pd

# 构造你的原始DataFrame
df = pd.DataFrame({
    'FCF (t)': ['0', '0', '-3MM', '261MM'],
    'FCF (t-1)': ['0', '0', '-12MM', '265MM'],
    'FCF (t-2)': ['0', '0', '-1MM', '603MM'],
    'FCF (t-3)': ['0', '0', '-1MM', '118MM'],
    'FCF (t-4)': ['0', '0', '0', '148MM'],
    'FCF (t-5)': ['0', '0', '0', '199MM'],
    'FCF (t-6)': ['0', '0', '0', '179MM'],
    'Total Assets LTM': ['378MM', '2.60B', '17MM', '5.00B']
}, index=[1006, 1007, 1008, 1009])

# 批量转换所有列
processed_df = df.applymap(parse_currency)
# 转成整数匹配目标结果格式
processed_df = processed_df.astype(int)

print(processed_df)

运行后输出结果：

FCF (t)  FCF (t-1)  FCF (t-2)  FCF (t-3)  FCF (t-4)  FCF (t-5)  FCF (t-6)  Total Assets LTM
1006        0          0          0          0          0          0          0                378
1007        0          0          0          0          0          0          0               2600
1008       -3        -12         -1         -1          0          0          0                 17
1009      261        265        603        118        148        199        179               5000

步骤3：仅处理指定列 #

如果只需转换部分列，先指定目标列列表，再逐列应用函数：

target_cols = ['FCF (t)', 'FCF (t-1)', 'FCF (t-2)', 'FCF (t-3)', 'FCF (t-4)', 'FCF (t-5)', 'FCF (t-6)', 'Total Assets LTM']

df[target_cols] = df[target_cols].apply(lambda col: col.apply(parse_currency)).astype(int)

关键说明 #

• applymap是DataFrame批量元素处理的高效方式，无需手动循环列
• 修正后的函数覆盖了数据中所有格式场景：纯数字、MM后缀、B后缀
• 最终转int是匹配你的目标结果格式，若需保留小数可省略此步骤

内容的提问来源于stack exchange，提问作者user20311840