如何通过apply批量处理Pandas DataFrame字符串以执行pd.eval()

嘿，我明白你的困扰——单个值或者单列处理没问题，但要把转换规则应用到整个DataFrame就卡壳了对吧？别担心，这里有几个实用的解决方案，根据你的数据类型选就行：

方法1：用applymap遍历所有元素（通用型，适配字符串/数值类型） #

如果你的DataFrame里的数值是字符串类型，或者不确定数据类型，先定义一个转换函数，再用applymap把它应用到每一个元素上：

import pandas as pd

# 假设你的原始DataFrame是df
def convert_value(x):
    # 先转成字符串，确保能按位置拆分
    x_str = str(x)
    # 拆分后直接做数学运算，比pd.eval更高效
    prefix = int(x_str[:3])
    suffix = int(x_str[3:])
    return prefix + suffix / 320

# 应用到整个DataFrame
df_converted = df.applymap(convert_value)

测试一下：2007-01-02的open值107155会被转换成107 + 155/320 = 107.484375，完全符合你的要求。

方法2：向量运算（高效型，适配整数类型） #

如果你的DataFrame里的数值是整数类型（比如107155是int而非字符串），那直接用Pandas的向量运算会快很多——不用遍历每个元素，直接对整个DataFrame做数学操作：

# 提取前三位：通过整除1000实现
prefix = df // 1000
# 提取后三位：通过取模1000实现
suffix = df % 1000
# 按规则合并计算
df_converted = prefix + suffix / 320

这个方法的优势在于完全利用了Pandas的向量化特性，处理大数据集的时候比applymap快好几倍，而且代码更简洁。

为什么之前直接用规则不行？ #

你之前的规则pd.eval(x[:3] + '+' + x[3:] + '/320')只对单个元素有效，因为x[:3]这种字符串切片操作是针对单个值的，直接对整个DataFrame使用时，Pandas无法自动对每个元素单独处理——而applymap就是专门解决“对每个元素应用自定义函数”的场景，向量运算则是更高效的替代方案。

内容的提问来源于stack exchange，提问作者steff