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机构抓取的数据。 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（表面可居住）：

我设法用以下方法从价格变量中去掉“€”：

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

然而，这两种技术中的 none 可以删除空格

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
      ...

我觉得这是由于我的数据编码方式所致。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

你可以做到

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：

你的第一个方法

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

不起作用，因为 .strip() 仅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，它仅替换值的精确匹配（例如“900 000”）。

Answer 2

有通常的方式（但是很丑）：

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 white spaces 上拆分字符串。通用 white spaces，因此不仅 " "，还有 "\t"、"\u00a0" 等。 然后你再次加入子字符串，没有任何 spaces。 所以你删除了 spaces（不是很直观，但这种方法经常使用，有时只是为了规范化 spaces）。

为什么这有效，但不是您的解决方案？

一些语言环境使用 NBSP（非中断 space，\u00A0）而不是标准的 spaces 来写数字和货币，这更明智（避免在数字组之间换行）。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 spaces（例如小 spaces），因此解决方案应该关心处理所有不同的白色 spaces.