python - 在 Pandas 中高效编辑字符串并转换为 float

Question

我有一个大数据集(大约 1GB，例如，有一列薪资范围在字符串“20000-30000”中给出。我想删除连字符后的所有内容并转换为 float 。但这并不总是在那里，所以我还需要有一些条件来检查它是否在那里。

除了遍历整个列并单独转换每个列之外，是否有一种快速的 Pandas 方法可以做到这一点？我觉得必须有，因为这似乎是一个常见问题，但是类似的问题并没有解决大型数据集的问题。

示例输入为:

df = pd.DataFrame({'salary': ['200 - 300', '400', '400-500', '600', '-']})

df
Out: 
      salary
0  200 - 300
1        400
2    400-500
3        600
4          -

对于这些值，首选输出是:

   salary
0     200
1     400
2     400
3     600
4       0

0 实际上可以是任何填充值，我刚刚选择了 0。

Answer 1

这是使用 apply

的一种方法

In [111]: df = pd.DataFrame({'salary': ['200 - 300', '400', '400-500', '600', '-']})

In [112]: df['salary'].apply(lambda x: x.split('-')[0].strip()).replace('', '0').astype(int)
Out[112]:
0    200
1    400
2    400
3    600
4      0
Name: salary, dtype: int32

另一种，使用regex 和字符串方法。

In [134]: df['salary'].str.extract('(\d+)', expand=True).fillna(0)
Out[134]:
     0
0  200
1  400
2  400
3  600
4    0