Question

我有一个数据帧列，其值如下：

Salary Offered
----------------------
£18,323 per annum 
£18,000 - £22,000 per annum 
Salary not specified 
£15,000 - £17,000 per annum, pro-rata 
£37,000 - £45,000 per annum 
£9,100 - £9,152 per annum, OTE 
£9.25 - £10.15 per hour 
£35,000 - £40,000 per annum 
£23,000 - £26,600 per annum 
£18,000 - £25,000 per annum, inc benefits

所以我运行了以下命令，它通过将None字符串值（例如：“Salary not specified”）替换为None来完成，我可以用随机值替换它，但是我必须再次将它们拆分为£ ：

In[13]: df = pd.DataFrame(df.salary_offered.str.split('£',1).tolist(),
                                   columns = ['flips','row'])
In[14]: df['row']
Out[14]: 
0                                     18,323 per annum 
1                           18,000 - £22,000 per annum 
2                                                  None
3                 15,000 - £17,000 per annum, pro-rata 
4                           37,000 - £45,000 per annum 
5                        9,100 - £9,152 per annum, OTE 
6                               9.25 - £10.15 per hour 
7                           35,000 - £40,000 per annum 
8                           23,000 - £26,600 per annum 
9             18,000 - £25,000 per annum, inc benefits

此外，很少有行以每小时给出的工资，因此也需要更换它们，这可以直观地完成。但我想分成具有平均值的不同列，如下所示：

Salary (£)
---------------
18323
20000
18000
16000
41000
...

Answer 1

如果我理解正确，您可以使用正则表达式提取所需内容（数字），并对结果进行计算：

salaries = (df['Salary Offered']
            .str.replace(',','')
            .str.findall(r'(\d+\.?\d+)')
            .apply(lambda x: pd.Series(x).astype(float))
            .mean(1))


>>> salaries
0    18323.0
1    20000.0
2        NaN
3    16000.0
4    41000.0
5     9126.0
6        9.7
7    37500.0
8    24800.0
9    21500.0

正则表达式解释：\d找到任何数字字符。 \d+找到任意多个数字的序列（+表示正则表达式中的一个或多个）。 \.?表示“可选地，找到任何.”。

所有在一起，\d+\.?\d+说：“找到任何数字序列，可选地后跟.和另一个数字序列.”。

处理per hour vs per annum

我不确定你对per hour行的意思是什么，但你说你可以直观地这样做，所以我想你有一个计划。

就个人而言，我会按照以下方式做一些事情，不过你可能需要根据你的数据框架和你想要捕获的内容进行调整。

salaries = (df['Salary Offered'] .str.replace(',','') .str.findall(r'(\d+\.?\d+)') .apply(lambda x: pd.Series(x).astype(float)) .mean(1) .to_frame('salary offered')) salaries['per'] = df['Salary Offered'].str.extract(r'(per\s\w+)') >>> salaries salary offered per 0 18323.0 per annum 1 20000.0 per annum 2 NaN NaN 3 16000.0 per annum 4 41000.0 per annum 5 9126.0 per annum 6 9.7 per hour 7 37500.0 per annum 8 24800.0 per annum 9 21500.0 per annum

Answer 2

<强> 设置

df = pd.DataFrame({'salary': ['£18,000 - £22,000 per annum', '£9.25 - £10.15 per hour']})

帮助函数从列中提取所有货币值并返回平均值：

def extract_average(s):
    money = list(map(float, re.findall(r'£([\d\.]+)', s)))
    return sum(money)/len(money)

str.replace 和 apply ：

df.salary.str.replace(',', '').apply(extract_average)

0    20000.0
1        9.7
Name: salary, dtype: float64

将字符串数值拆分为新列 - Pandas Dataframe

2 个答案: