我有一个数据帧列，其值如下：
Salary Offered
----------------------
£18,323 per annum
£18,000 - £22,000 per annum
Salary not specified
£15,000 - £17,000 per annum, pro-rata
£37,000 - £45,000 per annum
£9,100 - £9,152 per annum, OTE
£9.25 - £10.15 per hour
£35,000 - £40,000 per annum
£23,000 - £26,600 per annum
£18,000 - £25,000 per annum, inc benefits
所以我运行了以下命令，通过将纯字符串值(例如："未指定薪水"(替换为 None，我可以用随机值替换它，但我必须再次将它们除以 £：
In[13]: df = pd.DataFrame(df.salary_offered.str.split('£',1).tolist(),
columns = ['flips','row'])
In[14]: df['row']
Out[14]:
0 18,323 per annum
1 18,000 - £22,000 per annum
2 None
3 15,000 - £17,000 per annum, pro-rata
4 37,000 - £45,000 per annum
5 9,100 - £9,152 per annum, OTE
6 9.25 - £10.15 per hour
7 35,000 - £40,000 per annum
8 23,000 - £26,600 per annum
9 18,000 - £25,000 per annum, inc benefits
此外，很少有行每小时的工资，所以也需要更换它们，这可以直观地完成。但是我想分成具有平均值的不同列，如下所示：
Salary (£)
---------------
18323
20000
18000
16000
41000
...
如果我理解正确，您可以使用正则表达式提取所需的(数字(，并对结果进行计算：
salaries = (df['Salary Offered']
.str.replace(',','')
.str.findall(r'(d+.?d+)')
.apply(lambda x: pd.Series(x).astype(float))
.mean(1))
>>> salaries
0 18323.0
1 20000.0
2 NaN
3 16000.0
4 41000.0
5 9126.0
6 9.7
7 37500.0
8 24800.0
9 21500.0
正则表达式说明：d找到任何数字字符。d+找到任何多位数的序列(+表示正则表达式中的一个或多个(。.?的意思是"可选地，找到任何."。
因此，d+.?d+说："找到任何数字序列，可以选择后跟一个.和该.另一侧的另一个数字序列"。
处理per hour与per annum
我不确定你对per hour行做什么，但你说你可以直观地做到这一点，所以我想你有一个计划。
就个人而言，我会按照以下思路做一些事情，尽管您可能需要根据数据帧和您尝试具体捕获的内容对其进行调整。
salaries = (df['Salary Offered']
.str.replace(',','')
.str.findall(r'(d+.?d+)')
.apply(lambda x: pd.Series(x).astype(float))
.mean(1)
.to_frame('salary offered'))
salaries['per'] = df['Salary Offered'].str.extract(r'(persw+)')
>>> salaries
salary offered per
0 18323.0 per annum
1 20000.0 per annum
2 NaN NaN
3 16000.0 per annum
4 41000.0 per annum
5 9126.0 per annum
6 9.7 per hour
7 37500.0 per annum
8 24800.0 per annum
9 21500.0 per annum
设置
df = pd.DataFrame({'salary': ['£18,000 - £22,000 per annum', '£9.25 - £10.15 per hour']})
从列中提取所有货币值并返回平均值的辅助函数：
def extract_average(s):
money = list(map(float, re.findall(r'£([d.]+)', s)))
return sum(money)/len(money)
str.replace和apply：
df.salary.str.replace(',', '').apply(extract_average)
0 20000.0
1 9.7
Name: salary, dtype: float64