Python 将函数应用于表中除一列以外的所有列

我希望将函数应用于pandas中除一列以外的所有列，同时保持该列的原始状态。我有一个可以满足我需要的工作版本，但对于如此简单的东西来说，它似乎异常长。我想知道是否有更好的方法

df = pd.DataFrame(columns = ['firstcol','secondcol','thirdcol'],
     data=[['a1',1,'a6.1'],['b2',3,'b9.3'],['c12',4,'c2']])

我的数据帧由字符串和整数组成。每一列都不包含特定的类型，我希望标准化，以便所有列都是数字的（整数或浮点数，因为我有一些十进制值）。所以，在上面的玩具数据中，我需要转换第一列和第三列，而不处理第二列

df.loc[:, df.columns != 'secondcol'] = df.loc[:, df.columns != 'secondcol'].applymap(lambda x: float(re.sub(r'[^\d.]','', x)))

为清楚起见，此行：（1）指定除名为“secondcol”的列之外的所有列，（2）使用

applymap

和

lambda

函数删除非数字（或十进制）字符，以及（3）转换为浮点

---

这会产生所需的输出，但正如我所说的，它的可读性不强。我是否偶然发现了最好的方法，或者有更简单的替代方法？

IIUC，您可以选择非数字数据类型列并替换它们的值：

non_numerics = df.select_dtypes(exclude="number").columns

df[non_numerics] = df[non_numerics].apply(lambda x: x.str.replace(r"[^\d.]", "").astype(float))

其中，我使用正则表达式替换了

applymap

而不是元素，而是列（column-wise）替换了

apply

（如果愿意，可以使用行更改为

applymap

）

得到

>>> df

   firstcol  secondcol  thirdcol
0       1.0          1       6.1
1       2.0          3       9.3
2      12.0          4       2.0

---

在旁观者的眼里是可读的。下面是我要做的：

重新导入
进口大熊猫
df=1.DataFrame(
列=['firstcol'、'secondcol'、'thirdcol']，
数据=['a1'，1'，a6.1']，['b2'，3'，b9.3']，['c12'，4'，c2']
)
df2=(
df.选择类型（exclude='number'）
.applymap（lambda x:float（re.sub（r'[^\d.]'，''，x）））
.join（df.select\u数据类型（include='number'））
.loc[：，df.columns.tolist（）]
)