如何使用.loc对列切片应用函数？批量转换DataFrame列类型

没问题，针对你这种需要批量转换连续列类型的场景，Pandas提供了非常直观的切片+转换方案，下面给你两种常用的实现方式：

方法1：稳妥的pd.to_numeric（推荐） #

这个方法能自动处理一些潜在的转换异常（比如字符串里的空格、非数值字符），还能通过errors参数控制异常处理逻辑，适合列数多、不确定所有值都是合法数值的场景：

import pandas as pd
import numpy as np

# 你的原始数据构造代码
frame = pd.DataFrame(np.random.randn(4, 3), columns=list('ABC'), index=['1', '2', '3', '4'])
frame = frame.apply(lambda x: x.astype(str))

# 核心转换代码：切片选中B到C列，批量转数值
frame.loc[:, 'B':'C'] = frame.loc[:, 'B':'C'].apply(pd.to_numeric, errors='coerce')

# 验证结果
print(frame.dtypes)

• loc[:, 'B':'C']：用列名切片选中从B到C的所有列（连续列的切片语法在列数多的时候特别省心）
• errors='coerce'：如果遇到无法转换的字符串，会将其转为NaN；如果确定所有值都是合法数值，可以用默认的errors='raise'（转换失败时直接报错提醒）

方法2：直接用astype（适合确定无异常的场景） #

如果能保证B、C列的所有字符串都是标准数值格式，也可以直接用astype快速完成转换：

frame.loc[:, 'B':'C'] = frame.loc[:, 'B':'C'].astype(float)

扩展：用位置切片更灵活 #

如果列数特别多，记不住具体列名，也可以用位置切片（列索引从0开始），比如要转换第2列到最后一列（对应你的B、C列）：

frame.iloc[:, 1:] = frame.iloc[:, 1:].apply(pd.to_numeric, errors='coerce')

执行完转换后，再运行frame.dtypes就能看到B、C列已经变成float64类型，只有A列还是object啦。

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