将数据格式化（德语）转换为通用python语言

Question

我有一个带有德语格式数据的数据帧，即通用格式中的{}表示{}，而通用格式中的{}表示{}个片段，目前我的python脚本将{}读作字符串，将{}读作{}，而在我的理想解决方案中，它应该是{}浮点和{}整数

此外，CSV文件中此24.386999999999997 的正确值为24.387，这实际上意味着24387（整数），但不是整数 他在读另一本书

数据如下

Row    Date    c_s  eV      eC_r    D_O_p   D_Q_p   D_V_E_p 
1   2018-03-01  FR  34.598  1,29    445.0   1.56    24.386999999999997  
2   2018-03-01  DE  159.779 3,01    4.804   24.976  407.38300000000004  
3   2018-03-01  AT  19.878  4,96    985.0   7.703   93.19   
4   2018-03-01  PL  42.387  3,37    1.428   7.478   68.816  

如有任何建议，将不胜感激！谢谢

Answer 1

Pandasread_csv允许您设置千位和十进制分隔符：

df = pd.read_csv('test.csv', delim_whitespace=True, thousands='.', decimal=',', parse_dates=['Date'])

将输出：

^{tb1}$

如果我理解正确的话，如果句点后有超过3位数字，那么之后的所有内容都应该在逗号之后。在这种情况下，您可以编写一个转换器，并将其应用于相应的列：

def process_number(x):
    if len(x.split('.')[-1]) > 3 :
        idx = len(x) - x[::-1].index('.') - 1 #get index number of last occurence of .
        x = x[:idx+4] + ',' + x[idx+4:] #insert comma
        x= x.replace('.','').replace(',','.') #remove periods and replace comma
        return int(round(float(x))) #convert to int
    else:
        return int(x.replace('.',''))
    
converters = {'D_V_E_p': lambda x: process_number(x)}
df = pd.read_csv('test.csv', delim_whitespace=True, thousands='.', decimal=',', parse_dates=['Date'], converters=converters)

输出：

^{tb2}$