将会计格式的Pandas系列转换为数字系列？

Question

数字值的会计格式通常使用货币字符，并经常使用括号表示负值。零也可以表示为-或$-。当这样的系列被导入到Pandas DataFrame中时，它就是一个对象类型。我需要将其转换为数字类型，并正确地解析负值。

下面是一个例子：

import numpy as np
import pandas as pd
from pandas import Series, DataFrame
df = pd.DataFrame({'A':['123.4', '234.5', '345.5', '456.7'],
                   'B':['$123.4', '$234.5', '$345.5', '$456.7'],
                   'C':['($123.4)', '$234.5', '($345.5)', '$456.7'],
                   'D':['$123.4', '($234.5)', '$-', '$456.7']})

系列A易于转换。

df['A'] = df['A'].astype(float) 

系列B要求移除$标志，之后它就简单明了了。

然后是序列C和D，它们包含括号(即负值)，D包含零的$-值。如何正确地将这些系列解析为数字系列/数据序列？

Answer 1

我将使用Pandas replace函数将$和)替换为nothing，替换- by 0，然后最后替换(由-替换)。然后你可以做df=astype(float)，它应该可以工作。

Answer 2

import numpy as np

def pd_columntonumbeR(df, colname):
    for c in colname:
        df[c] = np.vectorize(replacetonumbeR)(df[c])
        df[c].fillna(0, inplace=True)
        df[c] = pd.to_numeric(df[c])


def replacetonumbeR(s):
    if type(s).__name__ == "str":
        s = s.strip()
        if s == "-":
            s = 0
        else:
            s = s.replace(",","").replace("$","")
            if s.find("(") >= 0 and s.find(")") >= 0:
                s = s.replace("(","-").replace(")","")
    return s