如何将（带 % 符号的数字）转换为（带 % 符号的圆形（数字））答案

【问题标题】：How to convert (number with % sign) to (round(number) with % sign)如何将（带 % 符号的数字）转换为（带 % 符号的圆形（数字））
【发布时间】：2018-11-22 18:51:09
【问题描述】：

df如下

    col1        col2
    10.56%      a
    55.78%      b
    700%        c
    118.13%     d
    200%        e
    102%        f
    45.25%      g
    67.765%     h

我想要 df['col1'] 如下所示（用 '%' 符号四舍五入到小数点 0）：

col1
11%
56%
700%
118%
200%
102%
45%
68%

我的代码在某些条目上无法正常工作

df['col1'] = [re.sub("%","",str(x)) for x in list(df['col1'])]
df['col1'] = df['col1'].map(lambda x: pd.to_numeric(x, errors='ignore'))
df = df.round({'col1': 0})
df['col1'] = [re.sub(".0","%",str(x)) for x in list(df['col1'])]

比如 700% 变成 7%

118.13 到 %%

一些到 %6%

对于某些条目，它工作正常。

请帮帮我！！！

【问题讨论】：

几乎每一行代码都违背了 pandas 的观点。去掉 % 后，df['col1'] = df['col1'].astype(int) 不会做你想要的吗？
@roganjosh 这给出了 ValueError: invalid literal for int() with base 10: '10.56'。同样对我来说，挑战是删除后再次添加 %
是的，我发布了一个答案，在这样做的过程中，发现它并不像我最初想象的那么简单，因为您必须多次更改类型 :)

标签： python pandas dataframe rounding decimal-point

【解决方案1】：

快速而肮脏的方式：

import pandas as pd

perc_df = pd.DataFrame(
    {'col1' : ['65.94%', '761.19%', '17281.0191%', '9.4%', '14%'],
     'col2' : ['a', 'b', 'c', 'd', 'e']
})


perc_df['col1'] = pd.to_numeric(perc_df['col1'].str.replace('%', ''))
perc_df['col1'] = pd.Series([round(val, 2) for val in perc_df['col1']], index = perc_df.index)
perc_df['col1'] = pd.Series(["{0:.0f}%".format(val) for val in perc_df['col1']], index = perc_df.index)

【讨论】：

【解决方案2】：

你可以在strip'%'之后使用to_numeric

pd.to_numeric(df.col1.str.strip('%')).round(0).astype(int).astype(str)+'%'
0     11%
1     56%
2    700%
3    118%
4    200%
5    102%
6     45%
7     68%
Name: col1, dtype: object

【讨论】：

【解决方案3】：

我会定义一个函数，这样我就可以用 apply() 循环它：

def change(row, col):
    target = row[col]
    number = float(target.replace("%",""))
    number = round(number,0)
    return "{}%".format(int(number))

df["col1"] = df.apply(change, col = "col1", axis = 1)

【讨论】：

apply 未矢量化。它将以与在列表元素上调用函数相同的速度运行。
你是对的@roganjosh，我将编辑我的答案以避免误导任何人。
这种方法会比其他选项慢
@Chris 公平地说，它可能比this answer 更快，后者也抛出列表理解并多次调用Series 构造函数

【解决方案4】：

一种方式：

import pandas as pd

df = pd.DataFrame({'a': [1, 2, 3], 'b': ['10.2%', '5.3%', '79.6%']})

df['b'] = df['b'].str.strip('%').astype(float).round(0).astype(int).astype(str) + '%'

【讨论】：