如何使用replace将DataFrame的string类型列转换为float类型

报错核心原因 #

• 语法错误：你将for y in to_replace生成器表达式写在了apply()的参数位，解释器尝试调用该生成器对象导致类型错误
• 逻辑错误：你错误地在外层套了df[ ]索引，apply()返回的是数值序列而非布尔掩码，不能用作DataFrame的索引条件
• 替换逻辑错误：多字符替换的循环逻辑位置错误，应该在lambda内部对单个字符串依次替换$和,

修复后的lambda实现 #

直接修正你原来的写法即可正常运行：

df['Value_Float'] = df['Value_String'].apply(
    lambda x: 0 if x == 'None' else float(x.replace('$', '').replace(',', ''))
)

更推荐的矢量化实现 #

用pandas内置方法处理，性能远高于逐行apply，适合所有规模的数据集：

import pandas as pd

# 批量替换特殊字符和None字符串，再转数值类型
df['Value_Float'] = pd.to_numeric(
    df['Value_String'].replace({'None': '0', '\$': '', ',': ''}, regex=True)
)

补充说明 #

如果你的列中None是Python原生空值而非字符串"None"，将lambda判断条件改为pd.isna(x)即可，矢量化实现无需修改。

内容的提问来源于stack exchange，提问作者andre.fonta90