在 Pandas 中高效编辑字符串并转换为浮点数

Question

我有一个大数据集（appx 1GB，例如在字符串 '20000-30000' 中给出了一列薪水范围。我想删除连字符后的所有内容并转换为浮点数。但是这并不总是存在，所以我还需要在那里有一些条件来检查它是否在那里。

除了遍历整个列单独转换每个列之外，是否有一种快速的 Pandas 方法可以做到这一点？我觉得必须有，因为这似乎是一个常见问题，但是类似的问题并不能解决大型数据集的问题。

示例输入将是：

df = pd.DataFrame({'salary': ['200 - 300', '400', '400-500', '600', '-']})

df
Out: 
      salary
0  200 - 300
1        400
2    400-500
3        600
4          -

对于这些值，首选输出是：

   salary
0     200
1     400
2     400
3     600
4       0

该0真的可以是任何填充物的价值，我只是选择0。

Answer 1

这是一种使用方法 apply

In [111]: df = pd.DataFrame({'salary': ['200 - 300', '400', '400-500', '600', '-']})

In [112]: df['salary'].apply(lambda x: x.split('-')[0].strip()).replace('', '0').astype(int)
Out[112]:
0    200
1    400
2    400
3    600
4      0
Name: salary, dtype: int32

另一个，使用regex和字符串方法。

In [134]: df['salary'].str.extract('(\d+)', expand=True).fillna(0)
Out[134]:
     0
0  200
1  400
2  400
3  600
4    0