掌握Pandas中‘object’类型数据的数值分析与智能转换：以计算平均值为例

import pandas as pd
import numpy as np

# 假设数据已从 'data.xlsx' 加载
df = pd.read_excel('data.xlsx')
print(df.info())

import pandas as pd
import numpy as np

# 假设 df 已经加载
# df = pd.read_excel("Dataset.xlsx") # 使用你的实际文件名

# 创建一个空的DataFrame副本，用于存储转换后的数据
df_converted = pd.DataFrame(columns=df.columns)

for col in df.columns: # 遍历原始DataFrame的每一列
    if df[col].dtype == "object": # 检查列的数据类型是否为 'object'
        converted_values = [] # 初始化一个列表，用于存储当前列转换后的值
        for val in df[col].values: # 遍历当前列的每一个值
            if pd.isna(val): # 如果是缺失值 (NaN)，则直接添加 NaN
                converted_values.append(np.nan)
            elif isinstance(val, (int, float)): # 如果值已经是数字类型，直接添加
                converted_values.append(val)
            elif isinstance(val, str): # 确保值是字符串类型，以便进行字符串操作
                val_stripped = val.strip() # 去除首尾空格

                # 处理小数分隔符，将逗号替换为点
                if "," in val_stripped:
                    val_stripped = val_stripped.replace(",", ".")

                # 尝试分割字符串以处理数值和单位
                if " " in val_stripped:
                    val_splitted = val_stripped.split(" ")

                    if len(val_splitted) >= 2: # 如果分割后有多部分
                        try:
                            numeric_part = float(val_splitted[0])
                            unit_part = val_splitted[1].lower() # 获取单位并转为小写

                            if col == "SSD Capacity": # 特殊处理 SSD 容量列，进行单位统一
                                if unit_part == "gb":
                                    converted_values.append(numeric_part / 1000) # GB 转换为 TB
                                elif unit_part == "tb":
                                    converted_values.append(numeric_part)
                                else: # 未知单位，保留原始值
                                    converted_values.append(val)
                            elif col == "Device Weight": # 处理 Device Weight 范围，取平均值
                                if "-" in val_splitted[0]: # "2-4" 这种形式
                                    try:
                                        lower, upper = map(float, val_splitted[0].split('-'))
                                        converted_values.append