如何将DataFrame中存储为Series的单元格改为np.float64类型？

核心问题 #

当DataFrame的单元格存储的是带重复索引的pd.Series时，常规的loc赋值只会修改Series内部元素，无法将整个单元格替换为单个np.float64类型——本质是loc会优先匹配Series的索引进行元素级修改，而非替换单元格对象。

解决方法 #

1. 单个单元格直接替换（推荐用at访问器）

使用df.at[row, col]直接赋值标量，它会完全替换单元格内容，不受原有类型影响：

import numpy as np

# 替换指定单元格为单个float值
O.at["192693-icsd", "192401-icsd"] = np.float64(0.8)

2. 批量处理所有含Series的单元格

遍历所有单元格，将Series按业务需求转为标量（比如去重后取均值、第一个有效值等）：

def process_series_cell(cell):
    if isinstance(cell, pd.Series):
        # 示例：去重后计算平均值，可根据需求调整逻辑
        return cell.drop_duplicates().mean()
    return cell

# 应用到整个DataFrame
O = O.applymap(process_series_cell)

3. 读取CSV时提前避免生成Series

如果问题是读取CSV文件导致单元格出现Series（比如单元格内有多值分隔），读取时直接处理为标量：

import pandas as pd

# 读取时处理多值单元格，此处假设值用逗号分隔，取第一个值转为float
def convert_cell(x):
    if pd.isna(x):
        return np.nan
    if isinstance(x, str) and ',' in x:
        # 按逗号拆分，取第一个值转float
        return np.float64(x.split(',')[0])
    try:
        return np.float64(x)
    except:
        return np.nan

# 读取CSV并应用转换函数
O = pd.read_csv("O_paired.csv", index_col=0, converters={col: convert_cell for col in pd.read_csv("O_paired.csv").columns[1:]})

注意事项 #

• 避免用O.loc[row, col] = value处理此类单元格，它会尝试将值插入原有Series中，而非替换整个单元格。
• 处理带重复索引的Series时，建议先调用drop_duplicates()去重，再计算标量值，避免重复值影响结果。

内容的提问来源于stack exchange，提问作者mchrnwsk