umrechnen von Währungen mit $ zu zahlen in Python pandas

Habe ich die folgenden Daten in pandas dataframe:

    state        1st        2nd             3rd
0   California  $11,593,820 $109,264,246    $8,496,273
1   New York    $10,861,680 $45,336,041     $6,317,300
2   Florida     $7,942,848  $69,369,589     $4,697,244
3   Texas       $7,536,817  $61,830,712     $5,736,941

Ich möchten, führen Sie einige einfache Analysen (z.B. Summe, groupby) mit drei Spalten (1., 2., 3.), aber die Daten, geben Sie zu diesen drei-Spalten-Objekt (oder string).

Also ich benutzt den folgenden code für die Daten-Konvertierung:

data = data.convert_objects(convert_numeric=True)

Aber die Konvertierung nicht funktioniert, vielleicht wegen der dollar-Zeichen. Jede Anregung?

InformationsquelleAutor kevin | 2015-09-08
  1. 31

    @EdChum die Antwort ist klug und funktioniert gut. Aber da gibt es mehr als einen Weg, um einen Kuchen Backen.... warum nicht regex? Zum Beispiel:

    df[df.columns[1:]].replace('[\$,]', '', regex=True).astype(float)

    Mir, das ist ein bisschen mehr lesbar.

    • Ein allgemeinerer Ansatz ist, um zu ersetzen Sie alle nicht-Ziffer Zeichen, so dass der reguläre Ausdruck ist '\D'. Beachten Sie, dass dies auch entfernen, Dezimalpunkt, also nur gut für integer-Werte. Entfernen Sie alle Zeichen außer Ziffern und Komma könnten Sie '[^.0-9]'.
    • Es ist 2019 und es noch gar nicht existiert, einen besseren Weg, um zu konvertieren Geld Serie auf numerische Serie :/
    InformationsquelleAutor dagrha
  2. 3

    Können Sie die vektorisierte str Methoden zu ersetzen, die unerwünschte Zeichen und dann warf Sie den Typ auf int:

    In [81]:
df[df.columns[1:]] = df[df.columns[1:]].apply(lambda x: x.str.replace('$','')).apply(lambda x: x.str.replace(',','')).astype(np.int64)
df

Out[81]:
            state       1st        2nd      3rd
index                                          
0      California  11593820  109264246  8496273
1        New York  10861680   45336041  6317300
2         Florida   7942848   69369589  4697244
3           Texas   7536817   61830712  5736941

    dtype ändern, ist nun bestätigt:

    In [82]:

df.info()
<class 'pandas.core.frame.DataFrame'>
Int64Index: 4 entries, 0 to 3
Data columns (total 4 columns):
state    4 non-null object
1st      4 non-null int64
2nd      4 non-null int64
3rd      4 non-null int64
dtypes: int64(3), object(1)
memory usage: 160.0+ bytes

    Einen anderen Weg:

    In [108]:

df[df.columns[1:]] = df[df.columns[1:]].apply(lambda x: x.str[1:].str.split(',').str.join('')).astype(np.int64)
df
Out[108]:
            state       1st        2nd      3rd
index                                          
0      California  11593820  109264246  8496273
1        New York  10861680   45336041  6317300
2         Florida   7942848   69369589  4697244
3           Texas   7536817   61830712  5736941
    InformationsquelleAutor EdChum
  3. 3

    Können Sie auch locale wie folgt

    import locale
import pandas as pd
locale.setlocale(locale.LC_ALL,'')
df['1st']=df.1st.map(lambda x: locale.atof(x.strip('$')))

    Hinweis: der obige code wurde getestet, in Python 3 und Windows-Umgebung

    InformationsquelleAutor sushmit
Schreibe einen Kommentar