本文介绍如何使用 Pandas 处理包含千位分隔符（逗号）和逗号分隔价格的字符串数据。通过使用正则表达式，我们可以准确地将原始价格和折扣价格分割成独立的列，即使价格本身包含逗号作为千位分隔符。本文提供详细的代码示例和解释，帮助您轻松解决类似的数据处理问题。
在数据分析和处理中，经常会遇到包含特定格式的字符串数据，例如包含千位分隔符的价格字符串。当这些价格字符串同时使用逗号作为分隔符时，直接使用 str.split(',') 方法可能会导致错误的分隔。本文将介绍如何使用 Pandas 和正则表达式来解决这个问题，将包含千位分隔符和逗号分隔价格的字符串数据拆分成独立的列。
示例数据准备
首先，我们创建一个包含示例数据的 Pandas DataFrame，模拟实际应用场景。
import pandas as pd data = ['$1,149.99,$1,249.99', '$124124.99', '$549.95', '$149.00,$159.99'] df = pd.DataFrame(data, columns=['prices']) print(df)
这段代码创建了一个名为 df 的 DataFrame，其中包含一个名为 prices 的列，该列包含以逗号分隔的价格字符串。部分价格字符串包含两个价格，用逗号分隔，并且每个价格本身也包含逗号作为千位分隔符。
使用正则表达式进行分割
为了正确地分割价格字符串，我们需要使用正则表达式。正则表达式可以帮助我们匹配特定模式的字符串，并根据这些模式进行分割。
out = df['prices'].str.split(",(?=\$)", expand=True)
print(out)这行代码使用 str.split() 方法和正则表达式 ,(?=$) 来分割 prices 列中的字符串。
- (?=\$) 是一个正向肯定预查，它匹配紧跟在逗号后面的美元符号 $。这意味着我们只会在逗号后面紧跟着美元符号时才进行分割。
- expand=True 参数将分割后的结果展开为 DataFrame 的列。
结果分析
分割后的结果存储在 out DataFrame 中。out DataFrame 包含两列，分别表示原始价格和折扣价格。如果原始字符串中只包含一个价格，则第二列的值为 None。
完整代码示例
下面是完整的代码示例，包括数据准备和使用正则表达式进行分割的部分：
import pandas as pd
data = ['$1,149.99,$1,249.99', '$124124.99', '$549.95', '$149.00,$159.99']
df = pd.DataFrame(data, columns=['prices'])
out = df['prices'].str.split(",(?=\$)", expand=True)
print(out)
df[['actual_price', 'installment_price']] = out
print(df)注意事项
- 确保你的 Pandas 版本是最新的，以支持最新的字符串处理功能。
- 根据实际数据调整正则表达式，以匹配正确的分隔模式。
- 处理缺失值（None）时，可以使用 fillna() 方法填充默认值或进行其他处理。
总结
本文介绍了如何使用 Pandas 和正则表达式来处理包含千位分隔符和逗号分隔价格的字符串数据。通过使用正则表达式，我们可以准确地分割价格字符串，即使价格本身包含逗号作为千位分隔符。这种方法可以应用于各种类似的数据处理场景，帮助你更有效地清洗和转换数据。
