python - 删除空格不起作用 - 编码问题？

Question

我有一个数据集，其中包含从房地产代理处抓取的数据。 我想从特殊字符（€、m² 等）中清除变量，删除空格并将它们转换为整数。 例如，我有这些价格（Prix de vente）和尺寸（Surface habitable）：

我设法使用以下内容从价格变量中去除“€”：

data["Prix de vente"] = data["Prix de vente"].str.strip("€")

但是这两种技术都不能去除空格

data["Prix de vente"] = data["Prix de vente"].str.strip() 
data["Prix de vente"] = data["Prix de vente"].replace(" ","")

我一直有：

      540 000
      900 000
      890 000
      900 000
      900 000
      ...

我感觉这是由于我的数据的编码方式造成的。那会是问题吗？如果是这样，我该如何处理？ 我正在使用 jupyter 笔记本。

Answer 1

你可以的

data["Prix de vente"] = data["Prix de vente"].str.replace("\s","", regex=True)

匹配"\s" 结合regex=True 而不是" " 确保不仅匹配常规空格而且匹配any whitespace character

更多背景：

你的第一种方法

data["Prix de vente"] = data["Prix de vente"].str.strip()

不起作用，因为.strip() 只删除前导和尾随字符。

你的第二种方法

data["Prix de vente"] = data["Prix de vente"].replace(" ","")

不起作用，因为它使用的不是 str.replace，而是 pd.Series.replace，它只替换完全匹配的值（例如“900 000”）。

Answer 2

有通常的方式（但丑陋）：

data["Prix de vente"] = "".join(data["Prix de vente"].str.split())

它是如何工作的？

字符串方法split() 将在空格上分割字符串。通用空格，所以不仅仅是" "，还有"\t"、"\u00a0"等。 然后你再次加入子字符串，没有任何空格。 所以你删除了空格（以一种不太直观的方式，但这种方法经常使用，有时只是为了规范化空格）。

为什么这有效，但不是您的解决方案？

一些语言环境使用 NBSP（非换行空格，\u00A0）而不是标准空格来编写数字和货币，这更明智（避免在十位数字组之间换行）。此外，一些格式化程序可能会在这种情况下使用其他类型的空格（例如小空格），因此解决方案应该关心处理所有不同的空格。