Pandas如何为DataFrame列内字典的数值追加%符号

问题复现 #

初始测试DataFrame结构：

import pandas as pd
import numpy as np

df = pd.DataFrame({
    'key': [1, 2, 3, 4, 5],
    'values_list': [
        {'ABC': 100},
        {'DEF': 100},
        {'ASE': 95, 'ABC': 5},
        {'ABC': 55, 'ASE': 40, 'DEF': 5},
        {'DEF': 90, 'ABC': 5, 'ASE': 2.5, 'XYZ': 2.5}
    ]
})

目标：将values_list列中每个字典的数值转为字符串，末尾添加%符号，最终效果如下：

key, values_list
 1, {'ABC':100%}
 2, {'DEF':100%}
 3, {'ASE':95%,'ABC':5%}
 4, {'ABC':55%,'ASE':40%,'DEF':5%}
 5, {'DEF':90%,'ABC':5%,'ASE':2.5%,'XYZ':2.5%} 

原有方法错误原因 #

• 方法1：df['values_list'].str.replace(r'[0-9]+', '[0-9]%')
  1. .str是pandas针对字符串类型列的访问器，当前values_list列存储的是字典对象，不是字符串，正则匹配逻辑根本不会生效；
  2. 替换值写为'[0-9]%'是固定字面量，就算列是字符串类型，也会把所有匹配到的数字替换成[0-9]%文本，不会保留原有数值。
• 方法2：np.where(df['values_list'].str.isdigit(),df['values_list']+'%',df['values_list'])
  1. 同样错误地对字典列使用.str字符串方法，str.isdigit()会判断整个单元格内容是否为纯数字，字典对象调用该方法会全部返回False，永远不会走拼接%的逻辑分支。

正确实现代码 #

不要用字符串正则硬改字典结构，直接遍历字典重构键值对，天然兼容整数、浮点数两种数值类型：

# 核心逻辑：遍历每个字典，重新生成值带%的新字典
df['values_list'] = df['values_list'].apply(
    lambda item: {k: f"{v}%" for k, v in item.items()}
)

如果需要输出的字典和示例展示完全一致（没有字符串引号），可以转字符串后去掉单引号：

df['values_list'] = df['values_list'].apply(
    lambda item: str({k: f"{v}%" for k, v in item.items()}).replace("'", "")
)

执行后打印结果完全符合预期：

key                             values_list
0    1                              {ABC:100%}
1    2                              {DEF:100%}
2    3                       {ASE:95%,ABC:5%}
3    4              {ABC:55%,ASE:40%,DEF:5%}
4    5    {DEF:90%,ABC:5%,ASE:2.5%,XYZ:2.5%}

内容的提问来源于stack exchange，提问作者The Great