使用 pandas 清理和操作列

Question

我的数据集中有以下列，数据按原样来自我的数据源：

Salary
~£2000
~£2000.15 per week
~£2000.50 per month
~£2000 - ~£5000 range
100000INR
INR

现在我想创建一个应该如下所示的新列：

Salary_clean
2000
104007.8
240006
35000
964
0

所以下面的逻辑将遵循（所有的salareis最终都是每年一次）：

1. 当该列有一个独立的数字时，这意味着工资已经按年计算并且不需要任何操作
2. 如果薪水旁边写着“每周”，则将该薪水乘以 52
3. 如果薪水旁边写着“每月”，则将该薪水乘以 12
4. 如果薪水旁边写着“x-y 范围”，则计算该范围的中位数，这就是正确的薪水
5. 如果薪水旁边写着“XXX 货币”，如 INR，则使用该货币当前对 GBP（英镑）的兑换率计算薪水
6. 如果salary只有“XXX”这样的货币代码，则将salary设为0

我怎样才能做到这一点？

Answer 1

免责声明：此代码可能很危险（eval 函数在使用时不加注意）。此外，代码完全优化不足，但具有紧凑的优点。

d = {r'~[^\d]+': r'',
     r'per week': r'* 52',
     r'per month': r'* 12',
     r'(.*) - (.*) range': r'(\1 + \2) / 2',
     r'\dINR': r' * 0.0096',
     r'^[^\W\d]*$': r'0'}

df['Salary_clean'] = df['Salary'].replace(d, regex=True).apply(eval)

>>> df
                  Salary  Salary_clean
0                 ~£2000        2000.0
1     ~£2000.15 per week      104007.8
2    ~£2000.50 per month       24006.0
3  ~£2000 - ~£5000 range        3500.0
4              100000INR          96.0
5                    INR           0.0

replace 方法的结果：

>>> df['Salary'].replace(d, regex=True)

0                 2000
1         2000.15 * 52
2         2000.50 * 12
3    (2000 + 5000) / 2
4       10000 * 0.0096
5                    0
Name: Salary, dtype: object