pandas格式化含字符串与数字的列 数值保留1位小数

问题场景 #

存在一个同时包含数字和字符串的pandas DataFrame，结构示例如下：

Column1   Column2
name1     12.4
name2     13
name3     -
name4     0.2

需求为对Column2做格式化，让所有数字统一保留1位小数，当前Column2内所有元素均为字符串类型。

已尝试的方案与报错 #

• 首次尝试使用pd.to_numeric将列值转换为数值类型：

  dfRW[dfRW.columns[1]] = pd.to_numeric(dfRW[dfRW.columns[1]])
  

  由于列中存在连字符-，该操作直接抛出报错。查询文档后得知添加errors='ignore'参数可避开报错执行，但后续格式化仍存在问题。
• 后续尝试使用.format方法设置小数位数，代码如下：

  dfRW[dfRW.columns[1]] = pd.to_numeric(dfRW[dfRW.columns[1]], errors='ignore').map('${:,.2f}'.format)
  

  连字符-依然会导致执行出错。

预期输出 #

格式化后的目标结果如下：

Column1   Column2
name1     12.4
name2     13.0
name3     -
name4     0.2

补充信息 #

• 已确认该列数据类型为dtype object，可用于排查AttributError: Can only use .str accessor with string values类报错
• 已修正示例中混用逗号、点号作为小数分隔符的问题，所有数值均以点号作为小数分隔符。

解决方法 #

不要使用errors='ignore'参数：该参数的逻辑是只要列中存在任意无法转换的值，就直接返回原始列、完全不做转换，根本达不到批量转换合法数值的效果。
正确方案是使用errors='coerce'参数，将无法转换为数值的-转为空值，格式化时单独处理空值即可，不需要提前排序拆分数据行，pandas内置逻辑可直接完成处理，代码如下：

col = dfRW.columns[1]
# 第一步：转换列类型，合法值转浮点，非法的-转为空值NaN
dfRW[col] = pd.to_numeric(dfRW[col], errors='coerce')
# 第二步：逐值格式化，数值保留1位小数，空值替换回-
dfRW[col] = dfRW[col].apply(lambda x: f"{x:.1f}" if pd.notna(x) else "-")

注意点 #

你之前代码里的格式化模板'${:,.2f}'.format是带美元符号、保留2位小数、自动添加千分位逗号的格式，和当前需求（保留1位小数、无额外符号）不匹配，使用时需要注意调整模板内容。 #

内容的提问来源于stack exchange，提问作者Carina