Pandas - 如何忽略 read_excel 和 read_csv 中的百分比

Question

我有一个允许用户更新 excel( .xlsx ) 或 csv ( .csv ) 文件的应用程序。 我使用pandas.read_excel和pandas.read_csv来读取文件。 这对数值很有用。 然而，当一列有80%,它被解析为0.8 。 在读取 csv 或 excel 文件时有没有办法忽略百分比？ 因此，在数据框中将 80% 的单元格解析为 80。

我曾想过检查数据框中的所有值是否都小于 1，但这会引入一个错误，因为如果用户在 excel 文件中输入零（这是可能的），它将被解释为百分比，这将使其相乘由 100。

Answer 1

Excel 将百分比存储为小数。 % 表示只是数据的“视图”，而不是基础float值的属性。 如果您事先不了解您的专栏，您可以定义一些调查逻辑：-

首先正常读取您的文件（Excel 或 CSV）：

df = pd.read_excel('file.xlsx')  # or pd.read_csv('file.csv')

然后识别读取为float列：

float_cols = df.select_dtypes(include=[np.float]).columns

现在过滤所有值都在 0 和 1.0 之间的列。 这不是无懈可击的，因为Boolean系列也将包括在内。 所以我们可以添加一个额外的条件，让至少有n 个不同的值。

pct_cols = [x for x in float_cols if df[x].between(0, 1).all() and len(df[x].unique()) > 2]

最后，将[0, 1]范围内的小数转换为[0, 100]范围内的百分比：

df[pct_cols] = df[pct_cols] * 100

---

这是一个完整的工作示例：

df = pd.DataFrame({'A': [0.1341234, 0.563465, 1.00, 0.00, 0.456546],
                   'B': [True, False, True, True, True],
                   'C': [1.0, 0.0, 1.0, 1.0, 0.0]})

float_cols = df.select_dtypes(include=[np.float]).columns
pct_cols = [x for x in float_cols if df[x].between(0, 1).all() and len(df[x].unique()) > 2]
df[pct_cols] = df[pct_cols] * 100

print(df)

           A      B    C
0   13.41234   True  1.0
1   56.34650  False  0.0
2  100.00000   True  1.0
3    0.00000   True  1.0
4   45.65460   True  0.0