如何在pandas DataFrame中替换所有指定字符？附逗号转圆点示例

针对大数据量场景，优先推荐读入阶段直接处理，减少后续内存操作开销，两种实现方案如下：

方案1：读入数据时直接转换（最高效，适合超大数据集） #

读csv格式数据源时直接指定十进制分隔符为逗号，pandas会自动将逗号识别为小数点，直接读取为数值类型，无需二次处理：

import pandas as pd
# 关键参数decimal指定十进制分隔符为逗号
df = pd.read_csv('你的数据文件路径.csv', decimal=',')

方案2：已读入DataFrame后全局替换 #

如果已经将数据读入为DataFrame，使用pandas向量化替换操作实现全局修改，避免循环遍历提升效率：

import pandas as pd

# 示例构造DataFrame，实际使用时直接替换为自己的df即可
data = {
    'W1': ['71,65', '21,63', '11,56', '13,21'],
    'W2': ['833,06', '131,21', '23,60', '93,06'],
    'W3': ['54,955', '32,90', '87,55', '14,05']
}
df = pd.DataFrame(data)

# 全局替换所有单元格内的逗号为圆点，两种写法二选一即可
# 写法1：正则全局替换，代码更简洁
df = df.replace(',', '.', regex=True)
# 写法2：字符串方法逐列处理，兼容性更好
# df = df.apply(lambda col: col.str.replace(',', '.'))

# 可选：如果需要转换为数值类型用于后续计算，添加下行代码
df = df.astype(float)

运行后输出结果与需求完全一致：

W1      W2      W3
0  71.65  833.06  54.955
1  21.63  131.21   32.90
2  11.56   23.60   87.55
3  13.21   93.06   14.05

内容的提问来源于stack exchange，提问作者user3104352