Python 从除一列之外的所有列中删除逗号

有没有办法在通用代码中删除除1或2（此处仅为日期）之外的所有列中的逗号？（我实际上有20个专栏。）

预期产出：

df
               
   date           price      vol    
0 2010-01-04  34,57282657    2,600,000
1 2010-01-04  123,900        2,600,000
2 2010-01-04  353,6789738    2,600,000

在数据帧的列上使用，不包括

exclude

列表中的列：

   date           price      vol    
0 2010-01-04  3457282657    2600000
1 2010-01-04  123900        2600000
2 2010-01-04  3536789738    2600000

结果:

exclude = ['date']

c = df.columns.difference(exclude)
df[c] = df[c].replace(',', '', regex=True)

---

为简单起见，可以将列转换为int类型

         date       price      vol
0  2010-01-04  3457282657  2600000
1  2010-01-04      123900  2600000
2  2010-01-04  3536789738  2600000

---

您可以使用

.iloc

替换为

.replace

并传递

regex=True

来替换特定的列位置。例如，将第一列后面的所有内容替换为

df.iloc[：，1://code>：

df.price.astype(int)
df.vol.astype(int)

imo的最佳解决方案是在read语句中使用
数千='，'
，即

pd.read_csv（…，千='，'）

我们可以使用
过滤器
和
替换

给@Shubham Sharma的帽子提示，用于正则表达式更正

from io import StringIO


d = """   date           price      vol    
0 2010-01-04  34,57282657    2,600,000
1 2010-01-04  123,900        2,600,000
2 2010-01-04  353,6789738    2,600,000"""

df = pd.read_csv(StringIO(d),sep='\s+',thousands=',')

print(df)
         date       price      vol
0  2010-01-04  3457282657  2600000
1  2010-01-04      123900  2600000
2  2010-01-04  3536789738  2600000

print(df.dtypes)

date     object
price     int64
vol       int64
dtype: object

^（？！date）
不包括日期列-您可以使用按位或符号
|
^（？！date | vol）

解释
^在行的开始处断言位置
负前瞻（？！日期|卷）
答案取决于数据类型，因此首先了解施加在不同列上的数据类型很重要。
，
表示逗号分隔符、千位分隔符还是数据类型为字符串？在上面的示例中，似乎在price列中，
，
表示十进制分隔符，但在vol列中，它表示1000个分隔符。通过调用
df.info（）
，您可以看到您拥有的数据类型。这将正确地返回一个
ValueError
，您需要首先处理字符串。我认为这更像python，但我有，但我发现
filter
更有用，因为您可以使用模式和
如
@Manakin yes:）我认为需要更改正则表达式模式，因为
[^date]
与列表中没有的单个字符匹配。@ShubhamSharma谢谢，我的正则表达式肯定需要练习。没问题，我想你是说
^（？！date vol）
）。现在更好了：）。
from io import StringIO


d = """   date           price      vol    
0 2010-01-04  34,57282657    2,600,000
1 2010-01-04  123,900        2,600,000
2 2010-01-04  353,6789738    2,600,000"""

df = pd.read_csv(StringIO(d),sep='\s+',thousands=',')

print(df)
         date       price      vol
0  2010-01-04  3457282657  2600000
1  2010-01-04      123900  2600000
2  2010-01-04  3536789738  2600000

print(df.dtypes)

date     object
price     int64
vol       int64
dtype: object

df[df.filter(regex="^(?!date)").columns] = df.filter(regex="^(?!date)")\
                                                 .replace(",", "", regex=True)

print(df)

         date       price      vol
0  2010-01-04  3457282657  2600000
1  2010-01-04      123900  2600000
2  2010-01-04  3536789738  2600000