我使用该pandas库编写了以下代码。我想知道是否有办法优化代码。
for column in df:
for index, row in df[column].iteritems():
if type(row) == str:
if 'R$' in row:
n = row.replace('R$', '')
n = n.replace(' ', '')
n = n.replace('.', '')
df[column].iloc[index] = float(n)
只想删除不需要的字符串部分。
您可以替换数据框中的符号而无需自己进行迭代。
df = df.replace({'R\$': ''}, regex=True)
然后更改可以是数字的列的类型。如果您不知道哪些是那些列，使用它会自动将类型更改为数字并忽略那些无法更改的列。
df = df.apply(pd.to_numeric, errors='ignore')
当您使用replace以及通常许多其他 pandas 功能时，它不会更新您的数据框。它创建一个新的临时数据框。因此，您要么需要将其分配回原始数据框，要么inplace=True在任何可用的地方使用，例如：
df.replace({'R\$': ''}, regex=True, inplace = True)
$是正则表达式中的特殊字符，因此您需要对其进行转义。这就是为什么它之前的反斜杠。
import pandas as pd
dic = {'feature1': 'R$ aaa bb', 'feature2': 1}
df = pd.DataFrame(dic, index=[0,1])
print(df)
>> feature1 feature2
0 R$ aaa bb 1
1 R$ aaa bb 1
df = df.replace({'R\$': ''}, regex=True)
print(df)
>> feature1 feature2
0 aaa bb 1
1 aaa bb 1