【数据转换】解决销量数据中带单位的问题

对于一个数据集进行统计或者进行分析，避免不了的就是数据类型的转换。例如对日期进行统计分析、对价格进行统计分析、对销量进行统计分析……

做这些的前提是你需要有规范的数据格式

下面这类数据是当时我自己没有考虑到，所以需要进行转换，不过我觉得这种情况以后也会遇见，说不定你碰到什么人呢。

这种字符串类型数据会给你造成数据之间不能进行比较，解决的办法就是把它转化成int型或者float型

tips:

由于作者当时对数据清洗不了解，所以当时爬的时候并没有考虑那么多，导致现在需要对数据做个处理
作者最近一直在学pandas，这里作者也就使用pandas来进行数据类型转换
因为刚学，所以并不了解什么奇法；作者用了自己想到的办法也能对数据进行转换

这种销量数据可分为几种格式

纯数字的字符串类型
1.0万一个万相当于三个0
15万一个万相当于四个0
15.3万一个万相当于三个0

流程如下(例如)：

确定一个条件–> df[‘yuyueliang’]>10000)

确定满足条件的行–> df[(df[‘yuyueliang’]>10000)]

确定这些行的index–> df[(df[‘yuyueliang’]>10000)].index.tolist()

字符串类型是不能进行数据计算的

list=df[df['yuyueliang'].str.contains('万')].index.tolist()#返回带‘万’的索引

先解决第一类：例如11.4万

list2=df[df['yuyueliang'].str.contains('\d\d\.')].index.tolist()
df.loc[list2,'yuyueliang']=df.loc[list2]['yuyueliang'].str.replace('万','000')
df.loc[list2,'yuyueliang']=df.loc[list2]['yuyueliang'].str.replace('.','')

转换目标：114000

第二类：例如1.2万

list5=df[df['yuyueliang'].str.contains('.*?\..*?')].index.tolist()
df.loc[list5,'yuyueliang']=df.loc[list5]['yuyueliang'].str.replace('万','000')
df.loc[list5,'yuyueliang']=df.loc[list5]['yuyueliang'].str.replace('.','')