добавление первого элемента строки в iterrows + преобразование альфа в числовой эквивалент?

Вы можете использовать str.replace:

df['Score'] = df['Score'].str.replace('\D',
              lambda x: f'.{ord(x.group(0).upper())-64}', regex=True)

Выход:

  Score
0   1.1
1   1.2
2   4.1
3   5.4
4      

Используйте (с комментарием @Ch3steR) -

from string import ascii_uppercase
dic = {j:str(i) for i,j in enumerate(ascii_uppercase, 1)}
df['Score'].str[0] + '.' + df['Score'].str[1].map(dic)

Вывод

0    1.1
1    1.2
2    4.1
3    5.4
4    NaN
Name: Score, dtype: object

Вы можете построить сопоставление, используя str.maketrans и str.translate , общий рецепт сопоставления каждого символа с его выводом.

• str.maketrans

  Этот статический метод возвращает таблицу перевода, которую можно использовать для функции str.translate().

• str.translate

  Возвратите копию s, где все символы были сопоставлены с помощью карты, которая должна быть словарем порядковых номеров Unicode (целых чисел) в порядковые номера Unicode, строки или None. Несопоставленные символы остаются нетронутыми.

Используйте pd.Series.apply и передайте ему str.translate.

from string import ascii_uppercase

table = str.maketrans({c: f'.{i}' for i, c in enumerate(ascii_uppercase, 1)})
df['Score'].apply(str.translate, args=(table, ))

# 0    1.1
# 1    1.2
# 2    4.1
# 3    5.4
# 4       
# Name: Score, dtype: object

Timeit результаты:

• настройка бенчмаркинга

  # млн строк  символы = np.arange(1_000_000).astype(str) + pd.Series([random.choice(ascii_uppercase) for _ in range(1_000_000)])  df = pd.DataFrame({"Оценка": символы})  

• Результаты

  @Ch3ster  582 мс ± 4,42 мс на цикл (среднее значение ± стандартное отклонение для 7 запусков, по 1 циклу в каждом)   @Мозвэй  1,03 с ± 46,2 мс на цикл (среднее значение ± стандартное отклонение для 7 запусков, по 1 циклу в каждом)   @Вивек  Другой вывод (на момент написания опубликованного ответа                    работает только со строкой размера два)