Python 类整数字符串中的隐藏字符

我从网络上删除了有关筹款的数据，并将其放入表格中

当我开始清理数据时，我看到一些元素，例如2000000，被机器读取为20000000

1/这是什么意思

2/我如何删除它？因为我想把整个列转换成整数

---

最好的办法是，问题是字符串中有以Unicode字符形式读入的转义序列。删除这些字符而不在每个特定显示上使用replace的最简单方法是使用unicodata包

具体而言：

from unicodedata import normalize

string1 = "2\xa0000000"

new_string = normalize('NFKD', string1)

print(new_string)

输出：

2 000000 

---

这个包已经内置到我的机器中，但是如果您使用不同于我的方法来构建python包，您可能需要安装它。我发现这样更好，因为这种规范化可以跨多种格式工作，所以每次看到其他格式不正确的东西时，您不需要使用replace。这是一个转义序列

问题是，在字符串中有作为Unicode字符读入的转义序列。删除这些字符而不在每个特定显示上使用replace的最简单方法是使用unicodata包

具体而言：

from unicodedata import normalize

string1 = "2\xa0000000"

new_string = normalize('NFKD', string1)

print(new_string)

输出：

2 000000 

这个包已经内置到我的机器中，但是如果您使用不同于我的方法来构建python包，您可能需要安装它。我发现这样更好，因为这种规范化可以跨多种格式工作，所以每次看到其他格式不正确的东西时，您不需要使用replace。这是一个转义序列

十六进制代码A0的字符是不间断空格。也就是说，在大多数情况下，您可以将其视为一个空间。根据我的经验，当我处理从Microsoft Office产品生成的一些数据时，或者当人们将HTML代码放在web上时，它通常会出现

不幸的是，例如python split，我不知道如何处理数据，但它不会将数据视为空间。但由于它只是一个独特的字符，您可以通过以下方式解决此问题：

longstring.replace('\xA0', ' ').split()

PS：再次阅读您的问题，似乎应该忽略以数据实体形式生成数字200万。因此，您可能需要将“\xA0”替换为空字符串。

十六进制代码A0的字符是不间断空格。也就是说，在大多数情况下，您可以将其视为一个空间。根据我的经验，当我处理从Microsoft Office产品生成的一些数据时，或者当人们将HTML代码放在web上时，它通常会出现

不幸的是，例如python split，我不知道如何处理数据，但它不会将数据视为空间。但由于它只是一个独特的字符，您可以通过以下方式解决此问题：

longstring.replace('\xA0', ' ').split()

PS：再次阅读您的问题，似乎应该忽略以数据实体形式生成数字200万。因此，您可能希望将“\xA0”替换为空字符串。

要修复数据帧列，请使用：

df['col'] = df['col'].str.replace('\D', '').astype(int)

要修复DataFrame列，请使用：

df['col'] = df['col'].str.replace('\D', '').astype(int)

---

这是一个逃逸序列，在这里，对于一个不间断的空间。您可能希望用空字符串替换所有空白，然后重新解析。或者，如果是系统性的，则传递\xa以读取\u csv的数千个参数。这是一个转义序列，用于非中断空间。您可能希望用空字符串替换所有空白，然后重新解析。或者，如果是系统性的，则传递\xa以读取\u csv的参数。