当然有简便的实现办法啦！我平时处理地理数据时经常用到这个转换逻辑，下面给你一步步拆解怎么做：

核心转换逻辑 #

度分秒转十进制度的公式很直观：

十进制度 = 度 + 分/60 + 秒/3600

然后根据半球方向调整正负：

• 北纬(N)、东经(E)：保持正值
• 南纬(S)、西经(W)：转为负值

具体实现步骤 #

1. 编写DMS转十进制的函数

我们可以用正则表达式精准提取DMS字符串里的度、分、秒和方向符号，再计算十进制值，同时处理空值或无效格式的情况：

import re
import pandas as pd

def dms_to_decimal(dms_str):
    # 处理空值或类似"..."的无效内容
    if pd.isna(dms_str) or "..." in str(dms_str):
        return pd.NA
    
    # 匹配度、分、秒和方向的正则模式
    match = re.match(r'(\d+)°(\d+)\'(\d+\.\d+)"([NSEW])', str(dms_str))
    if not match:
        return pd.NA
    
    # 提取各组数据并转换类型
    degrees = int(match.group(1))
    minutes = int(match.group(2))
    seconds = float(match.group(3))
    direction = match.group(4)
    
    # 计算十进制基础值
    decimal = degrees + minutes/60 + seconds/3600
    
    # 根据半球方向调整正负
    if direction in ['S', 'W']:
        decimal = -decimal
    
    return round(decimal, 6)  # 保留6位小数，可按需调整

2. 应用函数到DataFrame列

接下来把这个函数批量应用到你的经纬度列上，这里用你提供的示例数据来演示：

# 构建示例DataFrame（注意转义字符串里的引号）
data = {
    "母公司（Parent Company）": ["Incasi Raya"]*6,
    "CPO": ["X"]*6,
    "PKO": [""]*6,
    "Latitude（纬度）": ['0°51\'56.29"S', '1°23\'39.29"S', '0°19\'56.63"N', '0°21\'45.91"N', '1°41\'6.56"S', '1°15\'2.13"S'],
    "Longitude（经度）": ['101°26\'46.29"E', '101°35\'30.45"E', '99°22\'56.36"E', '99°37\'59.68"E', '102°14\'7.68"E', '...']
}

df = pd.DataFrame(data)

# 批量转换经纬度列
df["Latitude_Decimal"] = df["Latitude（纬度）"].apply(dms_to_decimal)
df["Longitude_Decimal"] = df["Longitude（经度）"].apply(dms_to_decimal)

# 查看转换后的结果
print(df[["Latitude（纬度）", "Latitude_Decimal", "Longitude（经度）", "Longitude_Decimal"]])

3. 转换结果示例

运行代码后，你会得到类似这样的输出：

额外提示 #

• 如果你的DMS格式有微小差异（比如秒数没有小数点、空格位置不同），可以微调正则表达式来适配
• 对于超大数据集，apply已经足够高效；如果追求极致性能，可以考虑用矢量化操作进一步优化

内容的提问来源于stack exchange，提问作者Funkeh-Monkeh