使用熊猫清理和操作专栏

Question

我的数据集中有以下列，数据来自我的数据源：

Salary
~£2000
~£2000.15 per week
~£2000.50 per month
~£2000 - ~£5000 range
100000INR
INR

现在，我想创建一个新列，它应该如下所示：

Salary_clean
2000
104007.8
240006
35000
964
0

因此，下面的逻辑将会遵循(所有的salareis最终都是一年一次的)：

1. 当列有一个独立的数字表示年薪已经显示，并且当薪资旁边写有“每周”时，不需要采取任何行动
2. ，然后将该薪资乘以52
3. ，当薪资有“每个月”写在旁边时，然后将该薪资乘以12
4. ，当薪资有"x-y范围“写在旁边时，然后计算范围的中位数，这将是正确的薪资

H 111，当薪资有像INR这样的”by货币“时，然后使用该货币与GBP(Pounds)

1. When的当前换算率计算薪资，该货币只有一个货币代码，如"XXX"，然后将薪资作为0

。

我怎样才能做到这一点？

Answer 1

免责声明：这段代码可能很危险(使用eval函数时没有任何警告)。此外，代码完全处于优化状态，但具有紧凑的优点。

d = {r'~[^\d]+': r'',
     r'per week': r'* 52',
     r'per month': r'* 12',
     r'(.*) - (.*) range': r'(\1 + \2) / 2',
     r'\dINR': r' * 0.0096',
     r'^[^\W\d]*$': r'0'}

df['Salary_clean'] = df['Salary'].replace(d, regex=True).apply(eval)

>>> df
                  Salary  Salary_clean
0                 ~£2000        2000.0
1     ~£2000.15 per week      104007.8
2    ~£2000.50 per month       24006.0
3  ~£2000 - ~£5000 range        3500.0
4              100000INR          96.0
5                    INR           0.0

replace方法的结果：

>>> df['Salary'].replace(d, regex=True)

0                 2000
1         2000.15 * 52
2         2000.50 * 12
3    (2000 + 5000) / 2
4       10000 * 0.0096
5                    0
Name: Salary, dtype: object