Python : 轉換 DataFrame 帶有逗號的數字字串為純數字

在設計「雄:Python : 匯出 PDF 表格為試算表資料」中的轉換工具，由 PDF 擷取而來的資料被轉為pandas 的 DataFrame，最後使用 DataFrame 的 to_excel 輸出為 Excel 格式的檔案。不過如果照預設值，輸出的資料在Excel中，都是「文字」的格式；此外同事提供的原始資料，除了流水號的欄位，其它欄位的數字都有加上逗號(例: 12,345、7,890)，所以在將「文字格式」的數字轉為數字型態時，得多考慮這一點。

在 Python 中，將文字型態的數字，轉為數字型態的方法有很多，不過，試了一下，如果想將「12,345」轉為「12345」，使用 locale 的 atof 或是 atoi 應該是較簡潔，例如：

import locale
from locale import atof

locale.setlocale(locale.LC_NUMERIC, '')
atof('12,345')

但是如果遇到不是數字的內容，或是空字串，例如：

atof('這不是數字')
atof('')

就會出現類似這樣的錯誤訊息：

ValueError: could not convert string to float: ''

所以在轉換的時候，還需要檢查一下是否為數字的。

判斷是否為數字，可以使用 Python 的 isnumeric() ，不過，像以下的格式：

• 12,345
• -12345
• 12.345

因為帶有逗號、減號或小數點，isnumeric() 都會傳回 False，所以我先利用 re.sub ，將非數字的符號先拿掉後，再用 isnumeric() 來判斷。

綜合前面的條件，利用底下的 convert_number_strings_to_numbers ，就可以用來將 df (pandas 的 DataFrame) ，指定的欄位 columns (欄位順號 list)，轉為 float 數字：

def convert_number_strings_to_numbers(df, columns):
  locale.setlocale(locale.LC_NUMERIC, '')
  for i in columns:
    df[i] = df[i].apply(lambda x: x if x=='' or not re.sub(r'[,.-]', '', x).isnumeric() else atof(x))
  return df

相關文章

• 雄:Python : 匯出 PDF 表格為試算表資料