pandas.read_csv有一个decimal参数。
即尝试：

df = pd.read_csv(Input, delimiter=";", decimal=",")

我认为前面提到的在pandas read_csv中包含decimal=","的答案是首选。
但是，我发现它与Python解析引擎不兼容。例如，当使用skiprow=时，read_csv将返回到该引擎，因此据我所知，您不能在同一个read_csv语句中使用skiprow=和decimal=。此外，我还没有能够真正让decimal=语句工作（可能是由于我）
我过去实现相同结果的漫长道路是使用列表解析，.replace和.astype。这种方法的主要缺点是它需要一次完成一列：

df = pd.DataFrame({'a': ['120,00', '42,00', '18,00', '23,00'], 
                'b': ['51,23', '18,45', '28,90', '133,00']})

df['a'] = [x.replace(',', '.') for x in df['a']]

df['a'] = df['a'].astype(float)

现在，列a将具有浮点型单元格。列B仍然包含字符串。
请注意，这里使用的.replace不是pandas的，而是Python的内置版本。Pandas的版本要求字符串是精确匹配或正则表达式。

斯塔拉西亚的回答似乎是最好的。
但是，如果你想在已经有一个dataframe的情况下更改分隔符，你可以这样做：

df['a'] = df['a'].str.replace(',', '.').astype(float)

谢谢你的精彩回答。我只想补充一点，在我的例子中，仅仅使用decimal=','并不起作用，因为我有像1.450，00这样的数字（带有千位分隔符），因此pandas无法识别它，但传递thousands='.'有助于正确读取文件：

df = pd.read_csv(
    Input, 
    delimiter=";", 
    decimal=","
    thousands="."
)

我回答了关于如何使用Python Pandas将十进制comma更改为十进制dot的问题。

$ cat test.py 
import pandas as pd
df = pd.read_csv("test.csv", quotechar='"', decimal=",")
df.to_csv("test2.csv", sep=',', encoding='utf-8', quotechar='"', decimal='.')

其中，我们将小数点分隔符中的阅读指定为逗号，而将输出分隔符指定为点。所以

$ cat test.csv 
header,header2
1,"2,1"
3,"4,0"
$ cat test2.csv 
,header,header2
0,1,2.1
1,3,4.0

你可以看到分隔符变成了点。