仅将 pd.series 的数字元素转换为浮点数

Question

nome
Douglas Friedrich         custo zero
Ernando                   custo zero
Lucas Fonseca             custo zero
Éverson                           NA
Juninho Capixaba        desconhecido
Zeca                    desconhecido
Nino Paraíba              custo zero
Douglas Borel                     NA
Elton                     custo zero
Ronaldo                   custo zero
Jádson                  desconhecido
Rodriguinho               custo zero
Marco Antônio              120 mil €
Clayson                    880 mil €
Rossi                     custo zero
Gilberto                  custo zero
Saldanha                          NA
Anderson                          NA
Juninho               1.30 milhões €
Wanderson                  400 mil €
Ignácio                 desconhecido
Giovanni                  custo zero
João Pedro              desconhecido
Matheus Silva             custo zero
Gregore                    235 mil €
Flávio                  desconhecido
Yuri                      custo zero
Saldanha                          NA
Danielzinho               custo zero
Alesson                 desconhecido
Élber                      130 mil €
Gustavo                           NA
Fernandão             1.06 milhões €
Name: preco_pago, dtype: object

无论如何，我是否可以仅将本系列的数字元素转换为浮点数（例如：1.30 milhões €）并将其余部分保持原样？我也想将数千转换为 1000，将数百万转换为数百万 1000000。这就是我真正想要的：1.30 milhões € 到 1300000

Answer 1

您可以进行非常复杂的过滤，但无论如何，pandas 列中的 dtype 是一致的。我建议根据内容进行过滤，并应用临时转换。

所以，为了给一个数据框，其 value 是原始的，num 是浮点数，例如：

import pandas as pd
import numpy as np

data = """\
Douglas Friedrich         custo zero
Ernando                   custo zero
Lucas Fonseca             custo zero
Éverson                           NA
Juninho Capixaba        desconhecido
Zeca                    desconhecido
Nino Paraíba              custo zero
Douglas Borel                     NA
Elton                     custo zero
Ronaldo                   custo zero
Jádson                  desconhecido
Rodriguinho               custo zero
Marco Antônio              120 mil €
Clayson                    880 mil €
Rossi                     custo zero
Gilberto                  custo zero
Saldanha                          NA
Anderson                          NA
Juninho               1.30 milhões €
Wanderson                  400 mil €
Ignácio                 desconhecido
Giovanni                  custo zero
João Pedro              desconhecido
Matheus Silva             custo zero
Gregore                    235 mil €
Flávio                  desconhecido
Yuri                      custo zero
Saldanha                          NA
Danielzinho               custo zero
Alesson                 desconhecido
Élber                      130 mil €
Gustavo                           NA
Fernandão             1.06 milhões €"""

data = pd.Series(
    data.split('\n')
).str.replace(
    '  +', '|'
).str.rsplit(
    '|', expand=True
).rename(
    columns=dict(zip(range(2), ['who', 'value']))
)

f = data.value.str.contains('milhões €')
data.loc[f, 'num'] = data.loc[f, 'value'].str.split(' ', 1).str[0].apply(float) * 1000000
f = data.value.str.contains('mil €')
data.loc[f, 'num'] = data.loc[f, 'value'].str.split(' ', 1).str[0].apply(float) * 1000

Answer 2

如果我理解正确，您有一个带有字符串的 pandas 系列（即您的第一个元素是字符串 'Douglas Friedrich custo zero'。

您必须创建自己的函数来解析每个字符串，例如：

def convert_to_number(s): 
    n = s.split('  ').strip()  # work with the right-hand portion only 
    if 'milhões' in n: 
        return 1e6 * float(n.split()[0]) 
    if 'mil' in n: 
        return 1e3 * float(n.split()[0]) 
    if 'zero' in n: 
        return 0 
    return np.nan

然后简单地将这个函数应用到你的熊猫系列中：

new_series = series.apply(convert_to_number)

当然，您可能需要根据需要修改函数，或使其适应可能出现的任何极端情况。