/ 数据需求/ 需求拆解/ 需求处理
方法一方法二 / 总结
最近发现周围的很多小伙伴们都不太乐意使用pandas，转而投向其他的数据操作库，身为一个数据工作者，基本上是张口pandas，闭口pandas了，故而写下此系列以让更多的小伙伴们爱上pandas。
系列文章说明：
系列名（系列文章序号）——此次系列文章具体解决的需求
平台：
windows 10python 3.8pandas >=1.2.4 / 数据需求
数据结构如下（price列不含nan及其他不规范类型的字符串），将price列的美元符号$和,去除掉并转换成浮点类型。
/ 需求拆解看到这种数据清洗需求，内心应该是有很多种方法去解决的，这里着重提下在pandas里几种常用手段。
/ 需求处理 方法一在使用pandas前，先温习下用python自带函数及re模块处理此类需求，简要地使用两种方式。
使用两个string.replace方法
# 使用两个string.replace方法data['price'] = [float(i.replace('$', '').replace(',', '')) for i in data['price']]
使用re模块
# reimport redata['price'] = [float(re.sub(r'[$,]', '', i)) for i in data['price']]
结果同上，不再贴图展示。
（手动水印：原创CSDN宿者朽命，https://blog.csdn.net/weixin_46281427?spm=1011.2124.3001.5343，公众号A11Dot派)
方法一是没有用到任何pandas函数及方法，使用在pandas里使用列表生成式赋值给pd.Dataframe()总感觉差了点什么，哦，是.map方法：
map调用函数
.replace.replace
# 使用map，可以链式调用其他pandas方法，如astypedata['price'].map(lambda x: x.replace('$', '').replace(',', '')).astype(float)
re
# 也可以在map里调用re模块data['price'].map(lambda x: re.sub(r'[$,]', '', x)).astype(float)
使用split函数切分字符串
既然知道$在最前面，且只使用,做千分位，可以尝试split结合strip函数进行字符串拆分，再join拆分后列表的字符串。
# join拆分后的字符串完成数据清洗data['price'].map(lambda x: ''.join(x.lstrip('$').split(','))).astype(float)
str.split代替split
细看price列是一个dtype = 'object’类别的列，这样也能使用pandas中的.str.split方法。
# .str.strip.str.split代替strip.splitdata['price'].str.strip('$').str.split(',').map(lambda x: ''.join(x)).astype(float)
str.replace
前面水了这么多该请出这次的主角了。前面写的多多少少有点繁琐，或者没pandas那味了，本来想用pandas简化代码或者更好理解，这倒好更麻烦了，使用.str.replace就会舒服不少。
# .str.replace, 使用正则表达式，需要加上regex=Truedata['price'].str.replace(r'[$,]', '', regex=True).astype(float)
/ 总结数据的处理或许理解方式不同处理的过程不同，不用去为了做到而去更改自己的代码习惯，或者是自己的逻辑习惯，这里罗列了部分解决方法，看起来都是比较容易理解的，只是对于pandas模块有了专属的方法替代，本篇虽短，仅仅提及了解决本次需求可以用到的几种，希望能对正在处理这类数据的你带来一点帮助。
春雪夜入白草地，只影闲游孤鸟随。
于二零二二年二月十二日作