如何在Pandas DataFrame中转换价格 去除整数末尾多余.0/.00后缀

你之前的str.replace代码出大量空值，本质是因为price、rrp列是数值类型（float/int），不是字符串类型，直接调用.str访问器时，pandas无法对非字符串元素做字符串处理，会直接返回空值。而直接强转int的问题是会无差别截断所有小数位，比如7.5会被错误转为7，不符合保留非零小数的要求。

给两种可直接运行的实现，按你的场景选择即可：

方案1：向量化实现（性能最高，推荐大数据量使用） #

用pandas原生向量化逻辑判断，不需要逐行循环，可同时处理两列：

import pandas as pd
import numpy as np

# 先统一转数值类型，避免列内混有字符串导致运算报错
for col in ['price', 'rrp']:
    df[col] = pd.to_numeric(df[col], errors='coerce')
    # 值等于自身取整结果则说明是整数，转int，否则保留原浮点值
    df[col] = np.where(
        df[col] == df[col].astype(int),
        df[col].astype(int),
        df[col]
    )

用你提供的样例数据运行，输出结果完全符合要求：

• price列：5, 5, 5
• rrp列：8, 7.5, 9

方案2：逐元素格式化（适合展示/导出场景） #

如果不需要严格保留纯数值列类型，只是要去掉无意义的尾缀0用于报表展示、导出，可以用逐元素判断的方式，逻辑更直观：

def clean_price(val):
    if pd.isna(val):
        return val
    float_val = float(val)
    return int(float_val) if float_val.is_integer() else float_val

df[['price', 'rrp']] = df[['price', 'rrp']].applymap(clean_price)

• 所有.str开头的字符串处理方法，只能在字符串类型的列上调用，数值列要做字符串处理必须先通过.astype(str)转成字符串类型，否则必然出现非预期空值。
• 如果你的价格列里混有带货币符号、千分位逗号的字符串，先通过pd.to_numeric做类型清洗，再执行上述逻辑，避免类型报错。
• 方案1处理后因为同列同时存在整数、浮点数，列类型会自动转为object，不影响常规计算；如果后续要做大规模数值运算，不需要提前做类型转换，在最终导出/展示环节做格式化即可，性能更好。

内容的提问来源于stack exchange，提问作者Lookszz