pandas：如何从 DataFrame 的列中删除字符串？

Question

我有以下格式的数据。 我想删除出现在'TIMES_Sold'列中的字符串并将其替换为 0，然后将该列转换为整数。

同样，从'ITEM_Price_£'列中删除 'each' 并将其转换为浮点数。 我怎么能做到这一点？

TIMES_Sold  ITEM_Price_£
13            14.99
0             6.95 each
0             10.95 each
56            8.75
0             8.50 each
979           3.25
0             20.08
4             8.82
 Portable Gas Sniffer         9
2             15.46

输出应如下所示：

TIMES_Sold  ITEM_Price_£
13            14.99
0             6.95 
0             10.95
56            8.75
0             8.50
979           3.25
0             20.08
4             8.82
0             9
2             15.46

Answer 1

这是一种方法

df['TIMES_Sold'] = df['TIMES_Sold'].str.strip().replace(r'\D\s','0', regex=True).astype(int)
df['ITEM_Price_£'] = df['ITEM_Price_£'].astype(str).str.extract(r'([0-9\.\,]*)')
df

    TIMES_Sold  ITEM_Price_£
0        13      14.99
1        0        6.95
2        0       10.95
3        56       8.75
4        0        8.50
5        979      3.25
6        0       20.08
7        4        8.82
8        0        9
9        2       15.46

Answer 2

df[["TIMES_Sold", "ITEM_Price_£"]] = df[["TIMES_Sold", "ITEM_Price_£"]].astype(str).apply(lambda col: pd.to_numeric(col.str.replace(r"[^\d\.]+", "0", regex=True)))

df.TIMES_Sold = df.TIMES_Sold.astype(int)

Answer 3

您可以将Series.str.replace与以下正则表达式模式一起使用

df['TIMES_Sold'] = df['TIMES_Sold'].str.replace('\D', '0', regex=True).astype(int)
df['ITEM_Price_£'] = df['ITEM_Price_£'].str.replace('[^\d.]+', '', regex=True).astype(float)

输出

>>> df

   TIMES_Sold  ITEM_Price_£
0          13         14.99
1           0          6.95
2           0         10.95
3          56          8.75
4           0          8.50
5         979          3.25
6           0         20.08
7           4          8.82
8           0          9.00
9           2         15.46

• \D - 匹配除数字以外的任何内容；
• [^\d.]+ - 匹配除数字或文字以外的任何内容. 尽可能多次（尽管在这种情况下+是可选的）

Answer 4

这个怎么样？ 祝你好运。 顺便说一句，你的输出是整数，因为它在你的问题中说浮动。

import string
alphabets=[string.ascii_lowercase+string.ascii_uppercase]
#print(alphabets)
df["TIMES_Sold"]=(df["TIMES_Sold"].where(~df["TIMES_Sold"].str.contains('[alphabets]'),'0')).astype(float)
df