Question

确定。我放弃了。

我有一个带有大数列（“Amount”）的DataFrame：

Amount
-1 000 000,00
 4 848 903,00
-2 949 234,00
13 038 023,00
 7 985 232,00
 ....

我想将这些转换为我可以计算的数字。

我们来调查一下：

>type(b["Amount"][0])
str

好的，这是一个字符串。

>float("-1 000 000,00".replace(' ', '').replace(',','.'))
-1000000.00

好的，效果很好！

要使lambda thingy（处理列中的所有元素），我需要在函数中使用它：

def make_float(num):
    num = num.replace(' ','').replace(',','.')
    return float(num)


>make_float(b["Amount"][0])
ValueError: could not convert string to float: −1 000 000.00

什么？！

>b["Amount"][0].replace(' ','').replace(',','.')
Out[258]:
'\xe2\x88\x921\xc2\xa0000\xc2\xa0000.00'

哦不！ Unicode地狱！我放弃了。

Python有一个简单的函数/方法可以将我的数字（包括负数）转换为我可以计算的数字吗？

Answer 1

看起来你的字符串中的减号（' - '）符号有问题。

<强>尝试：

def make_float(num):
    num = num.replace(' ','').replace(',','.').replace("−", "-")
    return float(num)

Answer 2

这应该可以解决您的问题。问题是要将列的第一个值作为您应该使用的值pd.Series.values[0]。

import pandas as pd

s = pd.Series(['-1 000 000,00'])

def make_float(num):
    num = num.replace(' ','').replace(',','.')
    return float(num)

s.map(make_float)

# 0   -1000000.0
# dtype: float64

make_float(s.values[0])
# -1000000.0

Answer 3

如果您尝试对其进行编码该怎么办？

def make_float(num):
    num = num.encode('latin-1').replace(' ','').replace(',','.')
    return float(num)

Answer 4

您的数据包含unicode减号（unicode中的几个减号之一）和非中断空格（unicode中的几个空格字符之一）

您可以使用str.translate()将字符转换为float()可以正确解析的格式。

def make_float(num):
     return float(num.translate({0x2c: '.', 0xa0: None, 0x2212: '-'}))

make_float('−1\xa0000\xa0000,00')

Answer 5

确定。这似乎可以解决问题。它分为3个步骤。

我用chardetect data.csv检查了我的数据集它说＆＃39; utf8＆＃39;有信心0.99
我确保将其传递给我的pandas.read_csv：pandas.read_csv(data....., encoding = 'utf8')
我做了一个功能，

def make_float（num）： num = num.replace（你＆＃39; \ N {MINUS SIGN}＆＃39;，＆＃39; - ＆＃39;）＃编码减号 num = num.replace（＆＃39;，＆＃39;，＆＃39;。＆＃39;）＃将小数点分隔符从逗号变为点 num = num.replace（unichr（160），＆＃39;＆＃39;）＃将（非破坏）空格编码为＆＃39;＆＃39; num = float（num） return num

然后我使用pandas.read_csv(data...., encoding='utf8', converters={'Amount':make_float})

到目前为止工作良好。

将字符串中的负数转换为float（Python）？

5 个答案: