如何用Pandas对DataFrame中分号分隔的数值求和？

这问题我之前处理类似数据时碰到过，用Pandas的applymap方法配合自定义函数就能高效解决，下面是完整的实现步骤：

1. 创建示例DataFrame #

首先我们先还原你提供的原始数据：

import pandas as pd

data = {
    'col1': ['2.1', '8', '1;1'],
    'col2': ['8', '3.1;2', '8;1']
}
df = pd.DataFrame(data, index=['2018-03-05', '2018-03-06', '2018-03-07'])

2. 定义分号数值求和函数 #

我们需要一个函数来处理单个单元格：如果单元格是分号分隔的字符串，就分割后转成数值求和；如果是单个数值（不管是字符串还是数字类型），直接返回该数值。

def sum_semicolon_values(x):
    # 统一转成字符串，避免非字符串类型调用split报错
    parts = str(x).split(';')
    # 遍历分割后的部分，转成float并求和，同时过滤空值（比如分号前后的空格或空内容）
    return sum(float(part.strip()) for part in parts if part.strip())

3. 应用函数到整个DataFrame #

用applymap方法将函数应用到DataFrame的每一个单元格：

processed_df = df.applymap(sum_semicolon_values)

4. 查看处理结果 #

打印processed_df就能得到你期望的输出：

col1  col2
2018-03-05   2.1   8.0
2018-03-06   8.0   5.1
2018-03-07   2.0   9.0

额外说明 #

• 这个函数兼容多种数据类型：不管单元格原本是字符串、整数还是浮点数，都能正确处理
• 如果遇到类似'1;;2'这种包含空内容的分号分隔字符串，函数会自动过滤空值，只对有效数值求和

内容的提问来源于stack exchange，提问作者Vadim K