我有一个包含数字数据列的数据集，其中包含一些文本。
例如，假设我有一列数字从1到10，但在文本中却以“十”代替了10。
我试图在列上使用unique（）方法来识别不一致的数据并清除它们。
当前数据集很小，因此我可以摆脱它。但是，如果数据集很大，那么使用我的方法将非常困难。
有更好的方法吗？
答案 0 :(得分：1)
编程语言没有固有的概念，即某些字符串对应于某些数字，因此您必须以编程方式解析每个字符串并确定相应的数字。
对于这部分，我能找到的最佳答案是：Is there a way to convert number words to Integers? —但是，如果您有少量离散的可能值，则数据可以采用1到10（含1到10）的值，创建一个dict并手动创建字符串到数字的一对一映射。这不是最漂亮的方法，但是会起作用。请注意，这不是可扩展的解决方案，因为可能的值范围会增加。
有了映射字典后，我们将其称为str_to_int_dict,，您只需执行以下操作即可：
df[column_name] = df[column_name].apply(lambda x: str_to_int_dict[x])
现在，这假设您的字符串格式一致：即10始终对应于“十”，而不是“十”，“十”，“ tEN”，“ tEn”等的某种混合形式。如果您有这种折衷的组合，最好换成.apply(lambda x: str_to_int_dict[x.lower().strip()]的链接（或者更高，这与一致性有关）。