Pandas DataFrame浮点列处理报错：'float' object has no attribute 'split'

你遇到的'float' object has no attribute 'split'错误很明确：你试图对浮点型数值调用字符串的split()方法，而float类型根本没有这个属性，自然会抛出错误。你的data列里的元素都是浮点数值，不是字符串，所以直接用split('.')肯定行不通。

错误根源拆解 #

看你原来的代码：

df = list(data)
for i in np.arange(len(data)):
    df1 = df[i].split('.')  # 这里df[i]是float类型，没有split方法
    df2 = df1[0]+df[1]/60   # 就算split成功，df1[0]是字符串，直接加数值也会报错

除了split的核心问题，就算你转成字符串拆分后，还需要把拆分出的字符串转成数值才能做加法，否则会触发字符串拼接的错误。

解决方案1：字符串转换法（直观易理解） #

先把浮点数值转成字符串，拆分后再转回数值计算，同时处理末尾多余的0：

import pandas as pd
import numpy as np

# 模拟你的数据
data = pd.Series([28.47000, 28.45000, 28.16000, 28.29000, 28.38000,
                  28.49000, 28.21000, 29.03000, 29.11000, 28.11000])

new_array = []
for num in data:
    # 先保留两位小数，避免末尾多余的0干扰拆分
    rounded_num = round(num, 2)
    # 转字符串后按小数点拆分
    parts = str(rounded_num).split('.')
    # 拆分后的部分转成数值计算
    integer_part = int(parts[0])
    decimal_part = int(parts[1]) / 60
    new_value = integer_part + decimal_part
    new_array.append(new_value)

new_array = np.array(new_array)
print(new_array)

解决方案2：数学运算提取法（更高效可靠，推荐） #

字符串转换容易遇到格式问题（比如科学计数法、浮点精度导致的异常字符串），用数学方法直接提取整数和小数部分更靠谱：

你的需求本质是把x.yy格式的数值，转换成x + yy/60（即把小数部分的两位数字当成分钟，转成小时）。我们可以用数学运算直接实现：

import pandas as pd
import numpy as np

data = pd.Series([28.47000, 28.45000, 28.16000, 28.29000, 28.38000,
                  28.49000, 28.21000, 29.03000, 29.11000, 28.11000])

# 提取整数部分（正数情况下astype(int)和np.floor效果一致）
integer_part = data.astype(int)
# 提取小数部分的两位数值：比如28.47的小数部分是0.47，乘以100得到47
decimal_part = (data - integer_part) * 100
# 修正浮点精度误差（比如0.47可能存储为0.4699999999999999）
decimal_part = decimal_part.round(0).astype(int)
# 计算最终值：整数部分 + 分钟数/60
new_array = integer_part + decimal_part / 60

# 转成numpy数组（如果需要）
new_array = new_array.to_numpy()
print(new_array)

这个方法完全避免了字符串操作，效率更高，也不会出现字符串格式带来的意外问题，尤其适合大数据量的场景。

内容的提问来源于stack exchange，提问作者bikuser