如何将方法应用于数据帧[duplicate]

Question

我有这个数据框

   Col1              Col2

0  A (1000 EUR)  C ( 3000 USD)

1  B (2000 CHF)  D ( 4000 GBP)

我想把它转换成

   Col1  Col2

0  1000  3000

1  2000  4000

我知道如何创建一个数据框（与索引）为1列，但不是为多个列

此代码产生此结果

   Col1

0  1000

1  2000 

a = z['Col1'].str.split('(').str[-1].str.split().str[0].apply(pd.to_numeric,errors='coerce')

如何修改上面的代码以添加col2（理想情况下使用矢量化而不是迭代）（因此理想情况下我不希望为每一列输入相同的代码）

Answer 1

可以使用apply函数将操作应用于两行中的所有元素。

# creates your dataframe
df = pd.DataFrame({'Col1':['A (1000 EUR)','B (2000 CHF)'], 'Col2':['C (3000 USD)', 'D (4000 GBP)']})

# use the apply function to  apply your code to all elements of both columns
df = df.apply(lambda x: x.str.split('(').str[-1].str.split().str[0].apply(pd.to_numeric,errors='coerce'))

这把戏对我有用吗

Answer 2

我会使用df.applymap。与df.apply的区别在于df.apply将整个系列（行或列）作为参数，并应用一个函数，其中df.applymap获取数据帧的每个元素并应用一个函数。试试这个：

df = df.applymap(lambda x: pd.to_numeric(str(x).split('(')[1].split()[0], errors='coerce'))

打印（df）

   Col1  Col2
0  1000  3000
1  2000  4000

df.info（）

<class 'pandas.core.frame.DataFrame'>
Int64Index: 2 entries, 0 to 1
Data columns (total 2 columns):
Col1    2 non-null int64
Col2    2 non-null int64
dtypes: int64(2)
memory usage: 48.0 bytes
None

Answer 3

您可以在每列上使用str.extract，并使用pd.concat根据结果构建新的数据帧：

x = np.concatenate([df[col].str.extract(r'(?<=\()\s*(\d+)') for col in df], axis=1)
pd.DataFrame(x, columns=df.columns)

   Col1  Col2
0  1000  3000
1  2000  4000