Pandas解决字符串转float报错 转换百万级DataFrame列为浮点型

抛出ValueError: could not convert string to float: '1.598.248'的根本原因是：待转换列的字符串中.是千分位分隔符，不是小数点。直接调用类型转换时，Pandas会将字符串中的.识别为小数点位，包含多个.的字符串不符合浮点数格式规则，自然转换失败。

从给出的样例可以看出，原始字符串是用.做千位分隔的百万级数值，转换后需要在去掉分隔符的数值基础上做10倍缩放，才能得到预期结果。

方法1：针对已读入DataFrame的列做转换 #

先移除字符串中所有作为千分位的.，转成float类型后乘以10做单位换算即可，代码如下：

import pandas as pd

# 构造测试样例数据
df = pd.DataFrame({
    'target_col': ['1.598.248', '1.323.373', '1.628.781', '1.551.707', '1.790.930', '1.877.985', '1.484.103']
})

# 执行转换逻辑
df['target_col'] = df['target_col'].str.replace('.', '', regex=False).astype(float) * 10

转换后输出结果和预期完全一致：

0    15982480.0
1    13233730.0
2    16287810.0
3    15517070.0
4    17909300.0
5    18779850.0
6    14841030.0
Name: target_col, dtype: float64

方法2：读文件时直接解析（推荐） #

如果数据是从csv等结构化文件读入的，可以在读取阶段直接指定千分位分隔符，读入时就自动解析为数值类型，省去后续单独处理列的步骤：

# 读取文件时指定千分位分隔符为.，自动解析数值
df = pd.read_csv('your_data_path.csv', thousands='.')

# 按单位要求做10倍缩放即可
df['target_col'] = df['target_col'] * 10

• 字符串替换时加regex=False是为了将.当做普通字符处理，避免被识别为正则通配符，提升处理效率
• 如果列中存在空值、异常非法值，可以搭配pd.to_numeric(df['target_col'], errors='coerce')做转换，自动将非法值转为空值，避免整体转换报错

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