Konvertieren Sie verschiedene Einheiten einer Spalte in Pandas

Aditya Aryan

Ich arbeite an einem Kaggle-Projekt. Unten ist meine CSV-Datei-Spalte:

total_sqft
1056
1112
34.46Sq. Meter
4125Perch
1015 - 1540
34.46
10Sq. Yards
10Acres
10Guntha
10Grounds

Die Spalte ist vom Typ Objekt. Zuerst möchte ich alle Werte in Float umwandeln, dann die Zeichenfolge 1015 - 1540mit ihrem Durchschnittswert aktualisieren und schließlich die Einheiten in Quadratfuß umwandeln. Ich habe verschiedene StackOverflow-Lösungen ausprobiert, aber keine davon scheint zu funktionieren. Jede Hilfe wäre willkommen.

Erwartete Ausgabe:

total_sqft
1056.00
1112.00
370.307
1123031.25
1277.5
34.46
90.00
435600
10890
24003.5

1 square meter = 10.764 * square foot
1 perch = 272.25 * square foot 
1 square yards = 9 * square foot   
1 acres = 43560 * square foot
1 guntha = 1089 * square foot
1 grounds = 2400.35 * square foot

Jesreel

Extrahieren Sie zuerst numerische Werte mit Series.str.extractall, konvertieren Sie sie in Gleitkommazahlen und erhalten Sie Durchschnittswerte:

df['avg'] = (df['total_sqft'].str.extractall(r'(\d+\.*\d*)')
                             .astype(float)
                             .groupby(level=0)
                             .mean())
print (df)
       total_sqft      avg
0            1056  1056.00
1            1112  1112.00
2  34.46Sq. Meter    34.46
3       4125Perch  4125.00
4     1015 - 1540  1277.50
5           34.46    34.46

benötigen Sie dann weitere Informationen zum Konvertieren in square feet.

BEARBEITEN: Erstellen Sie ein Wörterbuch für Übereinstimmungseinheiten, extrahieren Sie sie aus der Spalte und verwenden Sie mapdie letzten mehreren Spalten:

d = {'Sq. Meter': 10.764, 'Perch':272.25, 'Sq. Yards':9,
     'Acres':43560,'Guntha':1089,'Grounds':2400.35}

df['avg'] = (df['total_sqft'].str.extractall(r'(\d+\.*\d*)')
                             .astype(float)
                             .groupby(level=0)
                             .mean())

df['unit'] = df['total_sqft'].str.extract(f'({"|".join(d)})', expand=False)

df['map'] = df['unit'].map(d).fillna(1)

df['total_sqft'] = df['avg'].mul(df['map'])
print (df)
     total_sqft      avg       unit        map
0  1.056000e+03  1056.00        NaN      1.000
1  1.112000e+03  1112.00        NaN      1.000
2  3.709274e+02    34.46  Sq. Meter     10.764
3  1.123031e+06  4125.00      Perch    272.250
4  1.277500e+03  1277.50        NaN      1.000
5  3.446000e+01    34.46        NaN      1.000
6  9.000000e+01    10.00  Sq. Yards      9.000
7  4.356000e+05    10.00      Acres  43560.000
8  1.089000e+04    10.00     Guntha   1089.000
9  2.400350e+04    10.00    Grounds   2400.350