Python Pandas df，将货币金额中的 $、M 和 K 替换为 int 的最佳方法

Question

我正在做一个练习 pandas 和 Beautiful soup 的个人项目，我抓取了这些信息并将它放在 pandas df 中，如下所示:

0        €8.5M
1           €0
2        €9.5M
3          €2M
4         €21M
         ...  
16534    €1.8M
16535    €1.1M
16536    €550K
16537    €650K
16538    €1.1M
Name: Value, Length: 16539, dtype: object
0        €67K
1          €0
2        €15K
3        €11K
4        €13K
         ... 
16534     €3K
16535     €2K
16536     €2K
16537     €7K
16538     €3K
Name: Wage, Length: 16539, dtype: object  

因此，为了分析这些信息，我想清理这些数据并将其转换为整数，我能想到的是:

df['Wage'] = df['Wage'].apply(lambda x: re.sub('€','',x))
df['Wage'] = df['Wage'].apply(lambda x: re.sub('K','000',x))

df['Value'] = df['Value'].apply(lambda x: re.sub('€','',x))
df['Value'] = df['Value'].apply(lambda x : re.sub('M','00000',x) if (('M' in x) and ('.' in x))else x)
df['Value'] = df['Value'].apply(lambda x : re.sub('[.]','',x))
df['Value'] = df['Value'].apply(lambda x : re.sub('M','000000',x))
df['Value'] = df['Value'].apply(lambda x : re.sub('K','000',x))

df['Wage'] = df['Wage'].astype(int)
df['Value'] = df['Value'].astype(int)

我首先替换了货币符号，然后检查点，这样我就可以将 M 替换为 5 个零，然后将剩余的 M 替换为 6 个零，然后将 K 替换为 3 个零，然后我将类型更改为 int。但我觉得这不是一个好方法，你怎么看？这样做的更好方法是什么？我尝试创建一个函数，但无法创建。

Answer 1

更新的解决方案:

新解决方案:使用 .replace()和 astype()只有。
不依赖pd.eval对于公式评估:

您可以将 M、K 转换为指数格式的相应量级:

K转换为科学计数法的e+03

M转换为科学计数法的e+06

(支持整数以及任意小数位的 float )

然后将科学计数法的文本转为float类型，再转换为整型，得到最终需要的格式，如下:

df['Value'] = df['Value'].replace({'€': '', ' ': '', 'M': 'e+06', 'K': 'e+03'}, regex=True).astype(float).astype(int)

输入数据:

         Value
0        €8.5M
1           €0
2        €9.5M
3          €2M
4         €21M
16534    €1.8M
16535    €1.1M
16536    €550K
16537    €650K
16538    €1.1M

输出:

print(df)

          Value
0       8500000
1             0
2       9500000
3       2000000
4      21000000
16534   1800000
16535   1100000
16536    550000
16537    650000
16538   1100000

旧解决方案:

您可以将M、K转换为公式，然后使用pd.eval评估数值。

K 转换为公式 * 1000

M 转换为公式 * 1000000

通过这种方式，我们可以支持带有任意数量小数点的基值(带或不带小数点以及小数部分可以有多长)。对于小数点后所有长度的小数部分，我们可以从公式中得到正确的结果。

df['Value'] = df['Value'].str.replace('€', '')
df['Value'] = df['Value'].str.replace('M', ' * 1000000')
df['Value'] = df['Value'].str.replace('K', ' * 1000')
df['Value'] = df['Value'].map(pd.eval).astype(int)

---

或者在一行中简化代码，感谢@MustafaAydın 的建议:

df['Value'] = df['Value'].replace({"€": "", "M": "*1E6", "K": "*1E3"}, regex=True).map(pd.eval).astype(int)

结果:

print(df)


          Value
0       8500000
1             0
2       9500000
3       2000000
4      21000000
16534   1800000
16535   1100000
16536    550000
16537    650000
16538   1100000

输入样本数据如下:

         Value
0        €8.5M
1           €0
2        €9.5M
3          €2M
4         €21M
16534    €1.8M
16535    €1.1M
16536    €550K
16537    €650K
16538    €1.1M

在最后一步之前，我们得到:

               Value
0      8.5 * 1000000
1                  0
2      9.5 * 1000000
3        2 * 1000000
4       21 * 1000000
16534  1.8 * 1000000
16535  1.1 * 1000000
16536     550 * 1000
16537     650 * 1000
16538  1.1 * 1000000

然后我们将它提供给 pd.eval 以供其评估并转换为数值( float )，我们可以进一步将其转换为整数。