处理数据框中类似数字范围的数据
Dealing with numeric range-like data in a dataframe
我有一个数据框，其值类似于 1,362 - 2,037，首先，我该如何清理它们？比如获取这两个数字的 mean (10 - 20 ➡ 15)，normalizing 或者其他什么？其次，如何删除所有行中 1,362 到 1362 中的逗号？
目前拥有：
col1
col2
col3
Yes
579
402 - 1,120
No
1,082
1,361 - 2,037
预期输出：
（均值、归一化等）
col1
col2
col3
Yes
579
761
No
1082
1699
数据框的形状：
df = pd.read_csv("/content/cleanedNASA.csv")
df.describe
...
> [31 rows x 9 columns]
谢谢。
df['y'] = pd.to_numeric(df['x']
.str.replace('[^0-9\- ]', '') # 1. remove non-(digit/dash/space) characters
.str.split(' - ') # 2. split by ' - '
.explode() # 3. explode the lists
).mean(level=0) # 4. calculate average by index
df
输出：
x y
0 402 - 1,120 761
1 674 674
2 3,196 3196
3 1,304 1304
4 853 853
5 1,361 - 2,037 1699
我有一个数据框，其值类似于 1,362 - 2,037，首先，我该如何清理它们？比如获取这两个数字的 mean (10 - 20 ➡ 15)，normalizing 或者其他什么？其次，如何删除所有行中 1,362 到 1362 中的逗号？
目前拥有：
| col1 | col2 | col3 |
|---|---|---|
| Yes | 579 | 402 - 1,120 |
| No | 1,082 | 1,361 - 2,037 |
预期输出：
（均值、归一化等）
| col1 | col2 | col3 |
|---|---|---|
| Yes | 579 | 761 |
| No | 1082 | 1699 |
数据框的形状：
df = pd.read_csv("/content/cleanedNASA.csv")
df.describe
...
> [31 rows x 9 columns]
谢谢。
df['y'] = pd.to_numeric(df['x']
.str.replace('[^0-9\- ]', '') # 1. remove non-(digit/dash/space) characters
.str.split(' - ') # 2. split by ' - '
.explode() # 3. explode the lists
).mean(level=0) # 4. calculate average by index
df
输出：
x y
0 402 - 1,120 761
1 674 674
2 3,196 3196
3 1,304 1304
4 853 853
5 1,361 - 2,037 1699