如何在Pandas数据框中，将带有"千分位"(如1,299)的金额数据，批次转换为正确的数据类型？

有时会碰到小伙伴们提问了一些有趣的问题，在此向大家分享其中一个数据清洗的例子：

某位小伙伴问到，某个Pandas数据框中的某一列，比如df['Price']这一列，该列中的每一行的值，有些是带有千分位符号(逗号)的数字字符串，比如'2,399'，'3,699,799'等，有些是无"千分位符"的值，比如'999'等，这些值都必须转换为int或float，才能做各种数学或聚合运算，那么，假设现在要去掉千分位(逗号)，拼接，转换类型等一气呵成的操作，要如何实现呢？

解决思路和逻辑实现其实都很简单，可以自定义一个函数convert()，先判断类型，再判断"不带逗号"或"带逗号"，带逗号就利用字符串中的split()方法，以逗号做为分隔符，返回list后循环处理，再附加到1个字符串，最后返回的是用来表示金额的浮点数类型，废话我就不说了，直接上代码，假设数据框df(模拟读取csv文件后所返回的df)和数据是这样子的：

然后搭配Pandas中特别好用的map()方法或apply()方法，并将函数convert做为参数传入，直接批次或“向量”处理了：

PS:

大家要特别注意apply()/applymap()/map()它们之间的异同与用法，这里使用的是Series对象的map()方法

最后看下数据类型，也是期待中的结果，即数值型的数据类型，是不是很简单啊！

图片发自App