Pandas中将含/符号的string类型列转换为数值类型的实现方法

最优方案（向量化操作，效率最高，适合所有数据规模） #

你只需要先把col2的字符串按/分割，取分子部分转为浮点型后除以10即可，原生向量化操作比apply类遍历方法性能高几十到上百倍：

# 分割字符串取分子→转浮点→除以10得到目标值
df['col2'] = df['col2'].str.split('/', expand=True)[0].astype('float32') / 10

执行后col2就会变成你需要的[0.77, 0.82, 0.58, 0.92, 0.89]浮点型数值。

其他可选方案（适合特殊场景） #

如果后续你的分母不固定为10，且数据来源完全可控没有注入风险，可以用pd.eval直接计算表达式结果：

df['col2'] = df['col2'].apply(pd.eval)

该方法会直接解析字符串里的四则运算表达式得到结果，但不推荐用于大数据量或者不可信数据源的场景。

原方法失效原因 #

pd.to_numeric只能识别纯数值格式的字符串，无法处理带/等运算符的混合字符串，必须先做预处理提取有效数值部分再转换。

内容的提问来源于stack exchange，提问作者Curious