Python pandas中批量移除DataFrame列值开头美元符号$的高效实现方法

最高效的生产级实现 #

针对列名、列数不固定的场景，优先使用pandas原生向量化字符串操作实现，性能比逐行遍历高1-2个数量级，无需手动指定需要处理的列。
核心代码：

import pandas as pd

# 全表批量匹配，仅移除单元格最开头的$符号，自动跳过非字符串类型的单元格
df = df.replace(to_replace=r'^\$', value='', regex=True)

# 可选：自动将可转成数值的字符串列转换为数值类型，方便后续计算
df = df.apply(pd.to_numeric, errors='ignore')

方案优势：

• 全表自动扫描，不需要提前识别哪些列带$值，适配多文件读入后列结构不统一的场景
• 正则规则^\$仅匹配字符串最开头的美元符号，不会误伤字符串文本中间出现的$
• 底层用C实现批量计算，处理十万行以上数据也不会有明显性能瓶颈

你最初考虑的iterrows遍历实现（仅作思路参考，不推荐使用） #

你最初写的循环逻辑没有完成返回值解包、逐单元格判断、回写的核心步骤，完整可运行的遍历版本写法如下：

# 注意：以下写法性能远低于向量化方案，仅适合小数据量临时调试用
for row_idx, row_series in df.iterrows():
    # 遍历当前行的所有列
    for col_name in df.columns:
        cell_content = row_series[col_name]
        # 仅处理字符串类型、且以$开头的单元格
        if isinstance(cell_content, str) and cell_content.startswith('$'):
            # 回写去掉开头$后的内容到对应位置
            df.at[row_idx, col_name] = cell_content.removeprefix('$')

这类遍历写法的固有问题：

• iterrows会把每一行转成Python原生对象处理，数据量稍大时性能会远低于向量化操作
• 嵌套两层循环代码冗余，没有利用pandas的批量处理能力
• 遍历过程中直接修改原DataFrame容易触发pandas的SettingWithCopyWarning提示

常见踩坑提醒 #

• 不要使用无正则的全局替换df.replace("$", "")，这种写法会把字符串中间的$也删除，比如单元格内容为"服务费$20"会被误改成"服务费20"
• 处理后要检查列类型：带金额的$值去掉符号后如果保留为字符串类型，后续做求和、均值等统计计算时会触发类型错误，配合pd.to_numeric做类型转换可以规避这个问题

内容的提问来源于stack exchange，提问作者Moinak