Python 如何迭代数据帧中的选定列，df？

我有一个数据帧，df有3775行×8列

我的

df.columns

是

Index(['FY', 'Month', 'Sales Area', 'BSP Agent', 'City Booking Office','General Sales Agent', 'Web Sales', 'Total'] of dtype='object'

对于列

df[['BSP Agent'，'City Booking Office'，'General Sales Agent'，'Web Sales'，'Total']]

，我要执行以下操作：从列中删除空格，然后将对象转换为数字

我使用了一个

for循环

，但它非常混乱

for e in df_c:
    df_c[e] = df_c[e].replace(' ', '', regex=True)
    df_c[e] = pd.to_numeric(df_c[e], errors='coerce').fillna(0, downcast='infer')
    break

---

有更好的方法来完成我的任务吗？

您可以通过执行以下操作来避免for循环：

c = ['FY', 'Month', 'Sales Area', 'BSP Agent', 'City Booking Office',
     'General Sales Agent', 'Web Sales', 'Total']

df[c] = df[c].apply(lambda x: x.str.replace(' ',  ''))
df[c]= df[c].apply(pd.to_numeric, errors = 'coerce').fillna(0, downcast='infer')

---

您可以通过执行以下操作来避免for循环：

c = ['FY', 'Month', 'Sales Area', 'BSP Agent', 'City Booking Office',
     'General Sales Agent', 'Web Sales', 'Total']

df[c] = df[c].apply(lambda x: x.str.replace(' ',  ''))
df[c]= df[c].apply(pd.to_numeric, errors = 'coerce').fillna(0, downcast='infer')

---

如果“从文件创建数据帧”和“空间”适用于数千，最好的解决方案是在中使用

数千

参数，然后将正确的列转换为数字：

df = pd.read_csv(file, thousands=' ')

---

按列表将和用于所有选定列，并用于转换为数字：

---

样本：

np.random.seed(123)

c =['FY', 'Month', 'Sales Area', 'BSP Agent', 
     'City Booking Office','General Sales Agent', 'Web Sales', 'Total']
cols = ['BSP Agent', 'City Booking Office', 'General Sales Agent', 'Web Sales', 'Total']

df = (pd.DataFrame(np.random.rand(5, len(cols)) * 10000, columns=cols)
         .astype(int)
         .applymap(lambda x: '{:,}'.format(x).replace(',', ' '))
         .reindex(c, axis=1, fill_value='data'))
print (df)
     FY Month Sales Area BSP Agent City Booking Office General Sales Agent  \
0  data  data       data     6 964               2 861               2 268   
1  data  data       data     4 231               9 807               6 848   
2  data  data       data     3 431               7 290               4 385   
3  data  data       data     7 379               1 824               1 754   
4  data  data       data     6 344               8 494               7 244   

  Web Sales  Total  
0     5 513  7 194  
1     4 809  3 921  
2       596  3 980  
3     5 315  5 318  
4     6 110  7 224  

---

---

如果“从文件创建数据帧”和“空间”适用于数千，最好的解决方案是在中使用

数千

参数，然后将正确的列转换为数字：

df = pd.read_csv(file, thousands=' ')

---

按列表将和用于所有选定列，并用于转换为数字：

---

样本：

np.random.seed(123)

c =['FY', 'Month', 'Sales Area', 'BSP Agent', 
     'City Booking Office','General Sales Agent', 'Web Sales', 'Total']
cols = ['BSP Agent', 'City Booking Office', 'General Sales Agent', 'Web Sales', 'Total']

df = (pd.DataFrame(np.random.rand(5, len(cols)) * 10000, columns=cols)
         .astype(int)
         .applymap(lambda x: '{:,}'.format(x).replace(',', ' '))
         .reindex(c, axis=1, fill_value='data'))
print (df)
     FY Month Sales Area BSP Agent City Booking Office General Sales Agent  \
0  data  data       data     6 964               2 861               2 268   
1  data  data       data     4 231               9 807               6 848   
2  data  data       data     3 431               7 290               4 385   
3  data  data       data     7 379               1 824               1 754   
4  data  data       data     6 344               8 494               7 244   

  Web Sales  Total  
0     5 513  7 194  
1     4 809  3 921  
2       596  3 980  
3     5 315  5 318  
4     6 110  7 224  

---

---

为什么没有任何条件就有

break

语句？是否要从列名或列值中删除空格？我只想删除列值中的空格。我在那里停了一下，同时怀疑这可能是一个无限循环。但是我可以看出这是不必要的，因为没有任何条件可以满足。@jezrael，我已经纠正了它为什么你有

break

语句而没有任何条件？是否要从列名或列值中删除空格？我只想删除列值中的空格。我在那里停了一下，同时怀疑这可能是一个无限循环。但是我可以看出这是不必要的，因为没有条件可以满足。@jezrael，我已经更正了它确实

df[cols]。replace（“”，，，regex=True）

work for substring@jez？是的，我只是用一个例子来检查，它确实适用于substring@jez thanksDoes

df[cols].replace（“”，，，regex=True）

work for substring@jez？是的，我刚刚用一个例子检查了一下，它确实适用于substring@杰兹，谢谢