如何将pandas DataFrame中百分比格式object列转换为float类型

报错原因 #

你写的Tab_to_float函数是为单个字符串输入设计的，直接传入整列Series时，函数接收的是Series对象而非单个字符串值，自然不存在strip属性，才会触发该报错。如果要沿用自定义函数的写法，需要通过Series.apply()遍历每个元素执行，写法为df['A'].apply(Tab_to_float)，但这种Python层面的遍历操作效率较低，不适合处理大批量数据。

高效解决方案 #

推荐用pandas原生向量化字符串操作实现，底层由C实现，没有Python循环开销，处理效率远高于自定义函数遍历的方案：

单列处理 #

# 替换为你实际的列名即可
df['A%'] = df['A%'].str.rstrip('%').astype('float') / 100

多列批量处理 #

如果要同时转换所有百分比列，可以批量操作：

percent_cols = ['A%', 'B%']
df[percent_cols] = df[percent_cols].apply(lambda ser: ser.str.rstrip('%').astype('float') / 100)

异常值兼容优化 #

如果数据中存在缺失值、非法格式的异常值，可以搭配pd.to_numeric的异常处理参数使用，避免转换中断，更适配机器学习前置清洗场景：

df['A%'] = pd.to_numeric(df['A%'].str.rstrip('%'), errors='coerce') / 100

其中errors='coerce'会把无法正常转换的异常值自动转为NaN，你可以后续根据需求补全或删除缺失值。

内容的提问来源于stack exchange，提问作者user15590289