我刮的數據來自網絡募捐，并把它插入表中。當我開始清理數據時，我看到某些元素，例如“2 000000”，被機器讀取為“2\xa0000000”。1/ 那是什么意思？2/ 我怎樣才能刪除它？（因為我想將整列轉換為整數）最好的，
3 回答
慕哥6287543
TA貢獻1831條經驗 獲得超10個贊
要修復DataFrame列，請使用：
df['col'] = df['col'].str.replace('\D', '').astype(int)
富國滬深
TA貢獻1790條經驗 獲得超9個贊
問題是您將轉義序列作為字符串中的 Unicode 字符讀入。刪除這些字符而不在每個特定顯示上使用替換的最簡單方法是使用unicodedata包。
具體來說：
from unicodedata import normalize
string1 = "2\xa0000000"
new_string = normalize('NFKD', string1)
print(new_string)
輸出：
2 000000
這個包已經內置到我的機器中，但是如果你使用與我不同的方法來構建你的 python 包，你可能需要安裝它。我覺得這更好，因為這種規范化適用于很多不同的格式，所以你不需要每次看到格式不正確的其他內容時使用替換。這是一個轉義序列
達令說
TA貢獻1821條經驗 獲得超6個贊
十六進制代碼的字符A0是不間斷空格?？梢赃@么說，在大多數情況下，您可以將其視為一個空間。根據我的經驗，當我處理一些從 Microsoft Office 產品生成的數據時，或者當人們將 HTML 代碼 放在上面時從 Web 中生成的數據，它通常會出現。
不幸的是，python split()（例如，我不知道您如何處理數據）不會將其視為空間。但由于它只是一個獨特的角色，您可以通過以下方式解決問題：
longstring.replace('\xA0', ' ').split()PS：再次閱讀您的問題，似乎應該忽略將數字 200 萬作為數據實體。所以你可能想'\xA0'用空字符串替換。
添加回答
舉報
0/150
提交
取消