Python回归分析：如何从CSV的Object类型价格数据中提取数值？

步骤1：先确认price字段的具体格式 #

先查看字段内容，判断干扰字符类型：

# 查看前几条数据
print(data_11['price'].head())
# 查看唯一值，确认格式差异
print(data_11['price'].unique())

步骤2：根据具体格式选择处理方法 #

• 带货币符号/千分位逗号的情况
  如果price是类似$1,299.99或2,500这样的格式，先清理符号再转数值：

# 移除$和逗号，转换为float类型
data_11['price'] = data_11['price'].str.replace('$', '', regex=False).str.replace(',', '', regex=False).astype(float)

• 包含非数值描述字符的情况
  如果price是类似售价：399元或Price 599这样的格式，用正则提取数字部分：

import re
# 提取字符串中的数字（支持整数和小数）
data_11['price'] = data_11['price'].apply(lambda x: re.findall(r'\d+\.?\d*', str(x))[0]).astype(float)

• 混合类型（部分数值、部分字符串）
  如果字段里既有数字又有无法直接转换的字符串，用pd.to_numeric强制转换，无法转换的设为NaN后处理缺失值：

import pandas as pd
# 转换为数值，错误值设为NaN
data_11['price'] = pd.to_numeric(data_11['price'], errors='coerce')
# 用均值填充缺失值（也可根据需求用中位数、众数或删除行）
data_11['price'] = data_11['price'].fillna(data_11['price'].mean())

步骤3：重新定义变量 #

处理完成后，再执行你的变量定义代码即可：

x = data_11.drop(['name', 'price'], axis=1).values
y = data_11['price'].values

内容的提问来源于stack exchange，提问作者MexicanBat