如何编写Pandas函数处理含k后缀的列值并转为浮点型？

针对你提到的需求，这里提供两种处理方式，分别对应字面需求和实际业务场景（因为带"k"的数值通常代表千位量级，比如3.3k实际指3300）：

一、按字面需求：移除"k"后直接转float #

这种方式会把3.3k转为3.3，849转为849.0：

1. 定义转换函数：

def convert_k_to_float(value):
    str_val = str(value).strip()
    if str_val.endswith('k'):
        return float(str_val[:-1])
    return float(str_val)

2. 应用到DataFrame列：

df['interviews_float'] = df['interviews'].apply(convert_k_to_float)

二、按实际业务场景：转换为真实数值 #

如果3.3k代表的是3300，那需要在移除"k"后乘以1000：

方法1：使用apply函数 #

def convert_k_to_numeric(value):
    str_val = str(value).strip()
    if str_val.endswith('k'):
        return float(str_val[:-1]) * 1000
    return float(str_val)

df['interviews_numeric'] = df['interviews'].apply(convert_k_to_numeric)

方法2：矢量化操作（更高效，适合大数据集） #

不用循环，直接用Pandas字符串方法和numpy条件判断：

import numpy as np

df['interviews_numeric'] = np.where(
    df['interviews'].str.endswith('k'),
    df['interviews'].str.replace('k', '', regex=False).astype(float) * 1000,
    df['interviews'].astype(float)
)

或者用更简洁的链式操作：

df['interviews_numeric'] = (
    df['interviews']
    .str.replace('k', '', regex=False)
    .astype(float)
    .mul(df['interviews'].str.contains('k').map({True: 1000, False: 1}))
)

测试你的示例数据，处理后结果会是：

0    3300.0
1    2500.0
2    2100.0
3    1100.0
4     849.0
Name: interviews_numeric, dtype: float64

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