如何将Pandas DataFrame指定字符串列转换为float并支持多数据集批量处理

你可以把转换逻辑封装为独立的通用函数，再把需要处理的所有DataFrame放入列表批量遍历调用即可，以下是两种实现方案：

方案1：使用pandas矢量化操作（推荐，性能更高） #

该方案避免了按行遍历，处理大尺寸DataFrame时效率提升明显，同时自带异常格式兜底：

import pandas as pd

def convert_numeric_cols(df, custom_cols=None):
    # 默认转换a、b、c列，也支持传入自定义列列表
    convert_cols = custom_cols if custom_cols else ['a', 'b', 'c']
    for col in convert_cols:
        # 先替换.为0，移除千位逗号后转float，异常值统一填充为0
        df[col] = pd.to_numeric(
            df[col].replace('.', '0').str.replace(',', ''),
            errors='coerce'
        ).fillna(0)
    return df

# 批量处理多个DataFrame
# 把所有需要处理的DataFrame放入列表
all_dfs = [df1, df2, df3]
# 遍历执行转换
for i in range(len(all_dfs)):
    all_dfs[i] = convert_numeric_cols(all_dfs[i])

# 转换完成后，df1对应all_dfs[0]，df2对应all_dfs[1]，以此类推

方案2：复用你原有逻辑的改造版本 #

如果要保留你原本写的string2Float函数逻辑，可以按如下方式改造：

def string2Float(val):
    if val == '.':
        return 0
    else:
        return float(val.replace(',',''))

def convert_numeric_cols(df, custom_cols=None):
    convert_cols = custom_cols if custom_cols else ['a', 'b', 'c']
    for col in convert_cols:
        # 直接对列执行apply，不需要按行遍历，比你原本的写法更简洁
        df[col] = df[col].apply(string2Float)
    return df

# 批量调用方式和方案1一致
all_dfs = [df1, df2, df3]
for i in range(len(all_dfs)):
    all_dfs[i] = convert_numeric_cols(all_dfs[i])

内容的提问来源于stack exchange，提问作者trpmgo3