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

Question

我正在做一个练习熊猫的个人项目，还有美丽的汤，我把这个信息刮下来，把它放在熊猫 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  

所以为了分析这些信息，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，以便我可以将 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？有什么更好的方法来做到这一点？我尝试创建一个函数，但做不到。

Answer 1

更新的解决方案：

新解决方案：仅使用 .replace() 和 astype()。
不依赖 pd.eval 进行公式评估：

您可以将M、K 转换为指数格式的相应幅度：

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integer 和float 任何小数位数）

然后，将科学计数形式的文本转换为浮点类型，然后转换为整数以获得最终所需的格式，如下所示：

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 计算数值。

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的长度）。我们可以从小数点后所有长度的小数部分的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

然后我们将其提供给pd.eval 以对其进行评估并转换为数值（浮点数），然后我们可以进一步将其转换为整数。

Answer 2

您可以使用以下方法替换一个正则表达式 Series.str.replace() 传递中的值

import pandas as pd
df = pd.DataFrame({'Value':['€8.5M', '€0','€9.5M','€2M','€21M','€1.8M','€1.1M','€550K','€650K','€1.1M']})

def repl(x):
    if not x.group(2):
        return x.group(1)
    if x.group(2) == 'K':
        return str(int(float(x.group(1)) * 1000))
    else:
        return str(int(float(x.group(1)) * 1000000))

>>> df['Value'].str.replace(r'^€?(\d+(?:\.\d+)?)([KM])?$', lambda x: repl(x), regex=True).astype(int)
0     8500000
1           0
2     9500000
3     2000000
4    21000000
5     1800000
6     1100000
7      550000
8      650000
9     1100000
Name: Value, dtype: int32

^€?(\d+(?:\.\d+)?)([KM])?$ 正则表达式匹配

• ^ - 字符串开头
• €? - 一个可选的€
• (\d+(?:\.\d+)?) - 第 1 组：一位或多位数字，然后是 . 和一位或多位数字的可选序列
• ([KM])? - 可选组 2：K 或 M
• $ - 字符串结束。

如果没有 K 或 M，则返回 Group 1 值。如果有K，则第1组中的数字乘以1000，否则乘以1000000。