如何用iloc格式化DataFrame中非Decimal(NaN)的行并规避格式错误

数据老陈

2026-8-16

解决方案

你遇到的核心问题是：直接格式化会把NaN转为NaN%，而尝试的apply写法错误地在单个元素上调用了Series专属方法（astype、map），导致索引越界。

正确步骤

统一数据类型：先把目标列转换为数值类型，将所有无效值（包括Decimal('NaN')）转为标准的NaN，避免类型混乱。
针对性格式化：仅对非NaN的数值进行百分比格式化，NaN保持原样。

代码实现

方法一：用`np.where`批量处理（效率更高）

import pandas as pd
import numpy as np

# 将列转为数值类型，无效值自动转NaN
df.iloc[:, 0] = pd.to_numeric(df.iloc[:, 0], errors='coerce')
# 仅格式化非NaN的行
df.iloc[:, 0] = np.where(
    pd.notna(df.iloc[:, 0]),
    (df.iloc[:, 0] * 100).map('{:,.2f}%'.format),
    np.nan
)

方法二：用`apply`逐元素处理（逻辑更直观）

import pandas as pd
import numpy as np

def format_to_percent(x):
    if pd.notna(x):
        return '{:,.2f}%'.format(x * 100)
    return np.nan

# 先统一数据类型
df.iloc[:, 0] = pd.to_numeric(df.iloc[:, 0], errors='coerce')
# 应用格式化函数
df.iloc[:, 0] = df.iloc[:, 0].apply(format_to_percent)

错误原因说明

第一份代码：map会遍历所有元素，包括NaN，字符串格式化会把NaN转为字符串"NaN"，最终得到NaN%。
第二份代码：apply的lambda中，x是单个元素（而非Series），不能调用astype(float)和map（这两个是Series的方法），因此触发IndexError；另外存在拼写错误istinstance→isinstance，且直接判断Decimal类型不如用pd.notna通用。