如何处理DataFrame字符串列的%、<、>并转数值？自定义函数失效求助

首先，你的代码存在两个核心问题：函数逻辑设计偏差和**apply方法调用方式错误**，我们一步步拆解并修正：

1. 现有代码的问题分析 #

自定义函数的逻辑错误 #

你的get_prob函数参数是row，但内部却尝试遍历df[row]——这完全不符合pandas的运行逻辑：当按行使用apply时，row代表整行数据；但你实际需要处理的是单个单元格的字符串值，函数应该接收单个值作为输入，而非行对象或列名。

apply调用的用法错误 #

你写的df.apply(get_prob("xChamp"), axis=1)是直接执行了get_prob("xChamp")，再把返回值传给apply，这不是传递函数的正确方式。而且你要处理的是整列数据，按行apply效率极低，完全没必要。

2. 正确的解决方案 #

我们提供两种实现方式，优先推荐向量化操作（pandas中效率最高的处理方式），其次是修正后的函数+列级apply。

方案一：高效向量化操作（推荐） #

直接对列使用字符串处理方法，结合replace和数值转换，无需自定义循环：

def clean_prob_column(col):
    # 移除所有%符号
    col_clean = col.str.replace('%', '', regex=False)
    # 按规则替换特殊值并转换为小数概率
    col_clean = col_clean.map(
        lambda x: 0.001 if x == '<1' 
        else 0.9999 if x == '>99' 
        else pd.to_numeric(x)/100
    )
    return col_clean.astype(float)

# 应用到目标列
df['xRelegation'] = clean_prob_column(df['xRelegation'])
df['xChamp'] = clean_prob_column(df['xChamp'])

也可以用更简洁的链式写法：

df['xChamp'] = (df['xChamp']
                .str.replace('%', '', regex=False)
                .map(lambda x: 0.001 if x == '<1' else 0.9999 if x == '>99' else pd.to_numeric(x)/100)
                .astype(float))

方案二：修正自定义函数并正确使用 #

如果坚持用自定义函数，需要调整逻辑并针对列而非行使用apply：

def get_prob(value):
    # 接收单个字符串值进行处理
    value = value.replace('%', '')
    if value == '<1':
        return 0.001
    elif value == '>99':
        return 0.9999  # 统一为小数概率，和其他值逻辑一致
    else:
        return pd.to_numeric(value) / 100

# 对列应用函数
df['xChamp'] = df['xChamp'].apply(get_prob)
df['xRelegation'] = df['xRelegation'].apply(get_prob)

3. 验证结果 #

处理完成后，你可以通过df.dtypes查看列类型，应该会变成float64；用df.head()查看数值，比如原xChamp列的<1%会转为0.001，xRelegation的12%会转为0.12，完全符合预期。

内容的提问来源于stack exchange，提问作者wazo