Pandas中行内字符串列表转float类型报错的解决方法

现有一个pandas DataFrame，每一行的单元格取值均为列表形式，示例如下：

尝试将每行的列表元素转换为float类型用于后续计算绘图时，执行代码出现报错：
ValueError: could not convert string to float: 'Location'

最初使用的转换代码如下：

df_float = map(float, df)
df_float = list(df_float)
df_float

对该DataFrame调用.info()方法的返回结果如下：

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 50 entries, 0 to 49
Data columns (total 3 columns):
 #   Column    Non-Null Count  Dtype 
---  ------    --------------  ----- 
 0   Location  50 non-null     object
 1   DOY       50 non-null     object
 2   SOB       50 non-null     object
dtypes: object(3)
memory usage: 1.3+ KB

更新于2022年6月22日：已通过如下代码成功将存储整数值的Location和DOY列转换为int类型：

from ast import literal_eval
df.DOY = df.DOY.str.replace("'", '').apply(literal_eval)
df.Location = df.Location.str.replace("'", '').apply(literal_eval)

但上述方法无法处理包含小数值的列，需要可行的解决方案。

1. 最初的map(float, df)写法逻辑完全错误：直接遍历DataFrame对象时，迭代返回的是列名字符串（即'Location'、'DOY'、'SOB'），而非单元格内存储的内容，因此会触发无法将列名字符串转为float的报错。
2. 整数列转换可用但小数列转换失败，核心是之前的处理逻辑没有做统一的类型兼容：literal_eval本身支持解析浮点数，但解析后整数会保留int类型、小数会保留float类型，若单元格字符串存在未清理的多余空格、格式字符，或者直接对解析后的列表做强制类型匹配就会触发错误，且整数和小数不需要分开做处理逻辑。

不需要区分整数列、小数列，用统一的清洗+解析+类型转换逻辑即可批量处理所有列：

1. 导入依赖库

from ast import literal_eval
import pandas as pd

2. 定义通用的单元格处理函数，完成格式清洗、字符串列表解析、元素类型统一转换

def parse_list_cell(cell):
    # 清理多余单引号、首尾无效空格
    cleaned_content = cell.replace("'", "").strip()
    # 将字符串格式的列表解析为Python原生列表
    parsed_list = literal_eval(cleaned_content)
    # 统一将列表内所有元素转为float，整数转float不会产生精度损失或报错
    return [float(item) for item in parsed_list]

3. 对所有目标列批量应用处理函数

# 传入所有需要转换的列名即可
for col in ['Location', 'DOY', 'SOB']:
    df[col] = df[col].apply(parse_list_cell)

转换完成后调用df.info()会看到列的Dtype依然是object，这是正常现象——pandas中存储列表/序列的列默认都是object类型，此时列表内的元素已经全部为float类型，可以直接用于计算。
如果需要做聚合统计、绘图，可以根据需求用以下方法展开列表：

• 要把列表拆分为多行，用df.explode('列名')
• 要把列表拆分为独立的多列，用pd.DataFrame(df['列名'].tolist())

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