如何判断Price列值为lacs/Crore并转换为数值存回原列？

原始数据 #

import pandas as pd
df = pd.DataFrame({'Price' : ['5.5 lacs', '5.7 Crore', '3.5 lacs', '3.15 lacs']})

需求 #

将lacs单位转换为原值×100000，Crore单位转换为原值×10000000，结果存回原Price列并转为整数。

方法一：向量式操作（高效处理大数据） #

通过正则拆分数值和单位，利用映射表计算转换值，适合大规模数据集：

import pandas as pd

df = pd.DataFrame({'Price' : ['5.5 lacs', '5.7 Crore', '3.5 lacs', '3.15 lacs']})

# 提取数值部分和单位部分
df[['num', 'unit']] = df['Price'].str.extract(r'(\d+\.?\d*) (lacs|Crore)')

# 将数值转为浮点型
df['num'] = pd.to_numeric(df['num'])

# 定义单位到转换系数的映射
unit_map = {'lacs': 100000, 'Crore': 10000000}

# 计算转换后的值并覆盖原Price列，转为整数
df['Price'] = (df['num'] * df['unit'].map(unit_map)).astype(int)

# 移除临时生成的num和unit列（可选）
df = df.drop(['num', 'unit'], axis=1)

# 输出结果
print(df)

方法二：Apply函数（代码简洁） #

通过字符串拆分和条件判断直接转换，适合小数据集快速实现：

import pandas as pd

df = pd.DataFrame({'Price' : ['5.5 lacs', '5.7 Crore', '3.5 lacs', '3.15 lacs']})

# 遍历每个Price值，根据单位计算转换后的值
df['Price'] = df['Price'].apply(
    lambda x: int(float(x.split()[0]) * 100000) if 'lacs' in x 
    else int(float(x.split()[0]) * 10000000)
)

print(df)

关键说明 #

• 单位判断：两种方法分别通过正则匹配、字符串包含判断来区分lacs和Crore
• 结果存回：直接对df['Price']赋值即可覆盖原列数据
• 类型转换：最终转为整数符合需求中的示例结果（550000、57000000等）

内容的提问来源于stack exchange，提问作者The Technologist