Pandas，去掉每个包含符号的单元格

Question

我有一个包含货币符号的列的数据框，我正在寻找一种有效的方法来剥离这些符号，以便将列的数据类型转换为浮动

数据帧：

          Date     Money(ILS)   
0   2020-05-02     ₪77,000.00   
1   2020-04-30     ₪80,600.00   
2   2020-07-29     ₪86,600.00     
3   2020-10-27    ₪113,963.00     
4   2021-01-25    ₪134,963.00    
5   2021-04-25    ₪155,963.00     
6   2021-07-24    ₪176,963.00     
7   2021-10-22    ₪197,963.00     
8   2022-01-20    ₪218,963.00     
9   2022-04-20    ₪239,963.00     
10  2022-07-19    ₪260,963.00  

我想把钱栏上的₪符号去掉

我的职能：

@classmethod
    def strip_symbols(cls):
        cls.df = cls.df.apply(lambda x: x.str.strip('₪') if x.dtype == TypesConsts.OBJECT else x)
        return cls.df

使用此方法，我得到以下错误：

AttributeError: Can only use .str accessor with string values!

Answer 1

显然，您将lambda函数应用于整个数据帧（所有 列），因此对于除对象之外的任何类型的列 例外

实际上，您应该只对列应用此函数 持有货币内容

但还有其他潜在的问题来源：如果任何列具有对象 类型，然后通常其所有元素都包含字符串数据，但是 当某些元素包含例如浮点数据时，可能是“恶意”情况 （float仍然是对象的后代）

尝试这样一个例子：设置数据帧的一个元素（Money（ILS）column） 到浮动值：

df.iloc[2,1] = 86600.15

然后运行我建议的代码（仅剥离）：

df['Money(ILS)'] = df['Money(ILS)'].apply(
    lambda x: x.strip('$') if type(x).__name__ == 'str' else x)

（我的测试数据包含$作为货币符号，所以我只使用了'$'）

结果是：

        Date  Money(ILS)  Other
0 2020-05-02   77,000.00   Abcd
1 2020-04-30   80,600.00  23.16
2 2020-07-29     86600.1   Efgh
3 2020-10-27  113,963.00   Xxxx
4 2021-01-25  134,963.00     35
5 2021-04-25  155,963.00   Yyyy

​（我添加了一个额外的列，使用了更少的行）

现在：

• 所有其他列都有其原始值
• 货币符号仅从货币（ILS） 专栏
• 但仅限于字符串类型的
• 唯一的浮动值已打印为86600.1——无最终值 “5”，但这只是打印不准确（当您使用 iloc，您将获得正确的值）

但要将此列转换为浮点，还必须（事先）去掉逗号， 也仅在实际字符串中：

df['Money(ILS)'] = df['Money(ILS)'].apply(
    lambda x: x.replace(',', '') if type(x).__name__ == 'str' else x)

最终解决方案

您不需要逐步进行这些转换。只需使用以下代码， 一气呵成：

df['Money(ILS)'] = df['Money(ILS)'].apply(lambda x: float(
    x.strip('$').replace(',', '') if type(x).__name__ == 'str' else x))

现在，当您打印数据帧时：

• 货币（ILS）属于浮动类型（请使用df.info（）进行检查）
• 甚至之前存在的float值也有.15结束，就像它一样 应该是

当然，如果有其他“货币”列，也可以将此代码应用于其他“货币”列

Answer 2

仅对对象数据类型的get列使用^{}：

cols = cls.df.select_dtypes(TypesConsts.OBJECT).columns
cls.df[cols] = cls.df[cols].apply(lambda x: x.str.strip('₪'))