pandas处理DataFrame列混合格式字符串实现替换计算

问题场景 #

现有pandas DataFrame，其中Values列存在多种格式取值，原始样例数据如下：

需要按以下规则处理Values列：

• 若值为5-9、12-16这类数值区间格式字符串，替换为区间两端数值的平均值，例如5-9替换为7，12-16替换为14
• 若值为单个-，替换为0
• 单个数字格式的值保持原数值不变

原有实现代码运行无法得到预期结果，错误代码如下：

if df["Value"].str.len() > 1:
    df["Value"] = df["Value"].str.split('-')
    df["Value"] = (df["Value"][0] + df["Value"][1]) / 2
elif df["Value"].str.len() == 1:
    df["Value"] = df["Value"].str.replace('-', 0)

代码核心问题：

• 对pandas Series直接使用原生if/elif判断会触发真值歧义，因为长度判断返回的是整列布尔值，不是单个判断结果
• 拆分字符串后直接取df["Value"][0]是取第一行的拆分结果，不是逐行取列表内元素
• 未做字符串到数值的类型转换，字符串相加会得到拼接结果，无法计算数值平均值

预期处理完成后的结果：

实现代码 #

写法1：逐行apply（逻辑清晰，适合中小数据量） #

自定义单值处理函数，逐行应用到列即可，逻辑直观易维护：

import pandas as pd

# 构造样例数据
df = pd.DataFrame({
    "Name": ["First", "Second", "Third", "Fourth"],
    "Values": ["5-9", "7", "-", "12-16"]
})

def parse_value(val):
    # 处理横杠占位符
    if val == "-":
        return 0
    # 处理数值区间
    if "-" in val:
        num1, num2 = val.split("-")
        return (int(num1) + int(num2)) / 2
    # 处理普通单个数字
    return int(val)

df["Values"] = df["Values"].apply(parse_value)

写法2：向量化操作（性能更高，适合大数据量） #

用pandas内置向量化方法实现，避免逐行循环开销：

# 先替换单独的横杠占位符
df["Values"] = df["Values"].replace("-", 0)
# 拆分区间为两列
split_cols = df["Values"].str.split("-", expand=True)
# 标记所有区间格式的行
range_mask = split_cols[1].notna()
# 计算区间平均值赋值
df.loc[range_mask, "Values"] = (split_cols.loc[range_mask, 0].astype(int) + split_cols.loc[range_mask, 1].astype(int)) / 2
# 统一转换数值类型
df["Values"] = df["Values"].astype(int)

两种写法运行后都能得到符合预期的结果。

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