pandas中如何提取带单位列数值并对M后缀值乘1000（复刻Excel逻辑）

核心逻辑和你使用的Excel公式完全对齐：识别字符串末尾的单位后缀，后缀为M时提取数值后乘1000，其余后缀直接提取数值。

基础实现（代码直观易读） #

如果你的数据量在十万行以内，直接用apply逐行处理即可，写法和Excel公式逻辑一一对应：

# 假设你的DataFrame变量名为df
df['Size_converted'] = df['Size'].apply(
    lambda s: float(s[:-1]) * 1000 if s.strip()[-1].upper() == 'M' else float(s[:-1])
)

代码对应Excel逻辑的映射关系：

• s[:-1]：等价于LEFT(A2,LEN(A2)-1)，截取掉字符串最后一位的单位字符，拿到纯数字部分
• s.strip()[-1].upper() == 'M'：等价于RIGHT(A2,1)="M"，额外增加了首尾空格去除、后缀大写转换的容错，避免数据格式不规范导致判断错误；如果确认数据完全无脏数据，可简化为s[-1] == 'M'
• 分支判断后做数值转换、M单位乘1000的操作，和Excel的IF分支完全一致。

用你给出的样例数据测试，处理结果如下：

如果需要直接覆盖原Size列，把赋值目标改成df['Size']即可。

高性能实现（适合百万级以上大数据量） #

apply本质是逐行循环，数据量很大时性能较差，可以用pandas原生向量化操作提升运行速度：

# 批量提取所有行的数字部分
num_part = df['Size'].str[:-1].astype(float)
# 批量判断所有行的后缀是否为M
is_m_suffix = df['Size'].str.strip().str[-1].str.upper() == 'M'
# 批量完成换算
df['Size_converted'] = num_part * is_m_suffix.map({True: 1000, False: 1})

计算结果和基础实现完全一致，运行速度比apply版本快5~10倍。

内容的提问来源于stack exchange，提问作者mibe