TypeError：在熊猫数据帧上使用正则表达式时预期的字符串或类似字节的对象

Question

我有一个由零件订单组成的数据框，我正在尝试对其进行标准化，以便更好地分析数据。数据框已使用以下代码从各种 CSV 和 XLSX 文件编译而来

    source_data = pd.read_excel(filename,sheet_name,skiprows=HeaderRow-1,dtype=object)
    source_data = pd.read_csv(filename,skiprows=HeaderRow-1,dtype=object)

它们被作为对象读入，因为各种不同的文件来自不同的公司，这些公司有自己独特的方式来标记特定字段，而且大多数字段无论如何都需要是字符串（部件号、ID 号等）如果以 int/float 形式引入，可能会被误传。

最重要的是，一些公司的数据具有奇怪的价格格式，会在 PRICE 字段中随机插入空格（除了 $ 和 ,）。

这会导致我的数据如下所示

    P/N         DESCRIPTION     PRICE
    654A321     Item 1          $1 ,330
    783B257     Desc, Item 2    $55
    897653      part 4          $2 3,589
    789A234     Widget          5132.00

我一直在尝试使用以下代码删除 [$, ] 字符：

    data.loc[value,'PRICE'] = re.sub(r"[^0-9]+","",data['PRICE'][value])

    data.loc[value,'PRICE'] = re.sub('\$','',data['PRICE'][value])
    data.loc[value,'PRICE'] = re.sub(' ','',['PRICE'][value])
    data.loc[value,'PRICE'] = re.sub(',','',['PRICE'][value])

3 个集合在一个 for 循环内（for value in range(len(data)):)。

但是，无论我尝试什么，我都会收到 TypeError：预期的字符串或类似字节的对象

我检查了该列的 dtype，它指出 data['PRICE'] 是 object 类型，所以我正在努力找出问题所在。

最终目标是将表格格式化为

    P/N         DESCRIPTION     PRICE
    654A321     Item 1          1330
    783B257     Desc, Item 2    55
    897653      part 4          23589
    789A234     Widget          5132.00

谁能告诉我 re.sub 上的正则表达式有什么问题以及如何修复它？

感谢（并对冗长的问题表示歉意）。

Answer 1

您可以使用 str.replace 替换空格(\s+)、逗号(,) 和 $(\$)

df['PRICE'] = df['PRICE'].str.replace('\s+|,|\$', '')

你得到

    P/N     DESCRIPTION     PRICE
0   654A321 Item 1          1330
1   783B257 Desc, Item 2    55
2   897653  part 4          23589