如何遍历DataFrame格式化数值并转换为float类型？

错误根源 #

你循环里的x是列名字符串，不是DataFrame的列数据对象。字符串类型没有pandas Series的replace()和astype()方法，因此触发AttributeError。

修复代码 #

假设你的DataFrame变量名为df，columnList是需要转换的数值列列表（注意排除Timestamp列，它是日期类型无需转换），正确写法如下：

循环处理方式

for col in columnList:
    # 替换逗号为点，将结果赋值回原列
    df[col] = df[col].str.replace(',', '.', regex=False)
    # 转换为float类型，空单元格会自动转为NaN
    df[col] = df[col].astype(float)

批量处理简化写法

用apply一次性处理所有目标列：

df[columnList] = df[columnList].apply(
    lambda series: series.str.replace(',', '.', regex=False).astype(float)
)

额外注意事项 #

• 如果单元格存在空格（比如示例里的空单元格可能是空格字符串），可以先添加清理步骤：df[col] = df[col].str.strip()
• 转换后空值会变为NaN，这是数值列的标准空值格式，便于后续数据分析；若需保留原空样式，可后续用fillna('')处理
• Timestamp列是日期类型，不要加入columnList，避免破坏原有格式

内容的提问来源于stack exchange，提问作者EF711