删除熊猫列中字符串中的特定字符

Question

我正在处理一个具有价格列的大型数据集（超过200万行x 10列）。这些值的格式包括一千点分隔符（例如 1.000），并且还使用点来分隔小数（例如 3.000.75 而不是 3000，75）。我想将列的格式设置为 float，但值中的 2 个点让我头疼。通常，为了简单起见，假设没有超过1.000.000的数字，我会做这样的事情for i in range (0,len(df)):    cell=str(df.iloc[i]['price'])    if cell.count(".")==2:        cell=cell.split(".")[0] + cell.split(".")[1] + '.' + cell.split(".")[2]然后，是的，将列的格式设置为浮点数。但我知道这远非最优（循环）。for我怎样才能利用熊猫的力量来避免这里？for谢谢！

Answer 1

正如米尼奥所建议的那样，使用正则表达式删除它们。编码和阅读的一种简单方法是使用，这意味着所有非数字字符：\D

regex = r'\D'
df.price = df.price.str.replace(regex, '').astype(float)

Answer 2

你可以尝试这样的事情：

df.price.str.replace(r'(\.)([0-9]{1,2})$', ',\\2')

也许你将不得不使用正则表达式部分，但这个函数是一种方法。

Answer 3

在您的情况下，对何时删除点以及何时应将点视为小数点存在疑问。我对这个问题的解决方案是删除所有点，然后在一千个点之后出现s，并保持小数点不变。下面的代码可能会对您有所帮助。

cell = df['price']

cell = cell.astype('str')

def func(val):

    ret = ''

    for i in range(len(val)):

        if val[i] != '.' or i%4 != 0:

            ret += val[i]       

    return ret

output = pd.Series(map(func,cell))

output = output.astype('float')

print(output)

如果您遇到任何其他问题，可以写信给我。