Python 在dataframe上迭代并使用基于条件的替换方法

我正试图在我的数据帧中迭代一个特定的列

该栏为：

df['column'] = ['1.4million', '1,235,000','100million',NaN, '14million', '2.5mill']

我试图清理这个列，并最终将其全部转换为整数，以便进行更多的工作。我被困在清理“百万”的台阶上。我想在有小数点时用五个零替换“百万”（即140万变为140万），在没有小数点时用六个零替换“百万”（即1亿变为100000000）

为了简化，我要做的第一步就是把重点放在过滤掉带有小数点的值，并用5个零替换这些值。我已经尝试使用np.where，但是我不能使用numpy替换方法

我还尝试使用pd.DataFrame.where，但出现错误：

for i,row in df.iterrows():
    df.at[i,'column'] = pd.DataFrame.where('.' in df.at[i,'column'],df.at[i,'column'].replace('million',''),df.at[i,'column'])

``AttributeError: 'numpy.ndarray' object has no attribute 'replace'

我肯定这里有我遗漏的东西。（我也确信我会被告知我不需要在这里使用iterrows，所以我也愿意接受关于这方面的建议）

试试这个：

df['column'].apply(lambda x : x.replace('million','00000'))

在应用此项之前，请确保您的数据类型为字符串。请尝试以下操作：

df['column'].apply(lambda x : x.replace('million','00000'))

---

在应用此示例数据之前，请确保您的数据类型为字符串-看起来您可以去掉逗号，然后提取所有数字（和

字符），直到字符串

或字符串末尾并将其拆分，例如：

x = df['column'].str.replace(',', '').str.extract('(.*?)(mill.*)?$')

这将为您提供：

         0        1
0      1.4  million
1  1235000      NaN
2      100  million
3      NaN      NaN
4       14  million
5      2.5     mill

0      1400000.0
1      1235000.0
2    100000000.0
3            NaN
4     14000000.0
5      2500000.0

然后取数字部分，乘以一百万，在第1列中有，否则乘以1，例如：

res = pd.to_numeric(x[0]) * np.where(x[1].notna(), 1_000_000, 1)

这将给你：

         0        1
0      1.4  million
1  1235000      NaN
2      100  million
3      NaN      NaN
4       14  million
5      2.5     mill

0      1400000.0
1      1235000.0
2    100000000.0
3            NaN
4     14000000.0
5      2500000.0

给定您的示例数据-看起来您可以去掉逗号，然后提取所有数字（和
字符），直到字符串
mill
或字符串末尾，然后将其拆分，例如：

x = df['column'].str.replace(',', '').str.extract('(.*?)(mill.*)?$')

这将为您提供：

         0        1
0      1.4  million
1  1235000      NaN
2      100  million
3      NaN      NaN
4       14  million
5      2.5     mill

0      1400000.0
1      1235000.0
2    100000000.0
3            NaN
4     14000000.0
5      2500000.0

然后取数字部分，乘以一百万，在第1列中有，否则乘以1，例如：

res = pd.to_numeric(x[0]) * np.where(x[1].notna(), 1_000_000, 1)

这将给你：

         0        1
0      1.4  million
1  1235000      NaN
2      100  million
3      NaN      NaN
4       14  million
5      2.5     mill

0      1400000.0
1      1235000.0
2    100000000.0
3            NaN
4     14000000.0
5      2500000.0

对于给定数据：

df['column'].apply(lambda x: float(str(x).split('m')[0])*10**6
                   if 'million' in str(x) or 'mill' in str(x) else x)

如果列中可能有多种形式的百万，则regex搜索。
对于给定的数据：

df['column'].apply(lambda x: float(str(x).split('m')[0])*10**6
                   if 'million' in str(x) or 'mill' in str(x) else x)

如果列中可能有许多形式的百万，则使用正则表达式搜索。
那么“mill”呢？为什么要使用for循环来实现此目的？@AMC当我在条件下迭代df时，这是我的本能，虽然我从下面的答案中看到for循环是不必要的，而且很耗时。@AdamA当我在df上迭代时，我的本能是有条件的，所以我必须在这些本能上工作！你应该看看Pandas文档，我发现它们很好。那么“mill”呢？你为什么要用for循环呢？@AMC当我在条件下迭代df时，这是我的本能，虽然我从下面的答案中看到for循环是不必要的，而且很耗时。@AdamA当我在df上迭代时，我的本能是有条件的，所以我必须在这些本能上工作！你应该看看Pandas的文档，我觉得它们很好。你为什么不使用Pandas提供的操作？谢谢你的回答，但是问题是有些“百万”单元格需要5个零，有些需要6个零。你为什么不使用Pandas提供的操作？谢谢你的回答，然而，问题是，有些“百万”的单元格需要5个零，有些需要6个零。