Este es mi marco de datos:
d = {'col1': ['sku 1.1', 'sku 1.2', 'sku 1.3'], 'col2': ['9.876.543,21', 654, '321,01']} df = pd.DataFrame(data=d) df col1 col2 0 sku 1.1 9.876.543,21 1 sku 1.2 654 2 sku 1.3 321,01Los datos en col2 son números en formato local, que me gustaría convertir en:
col2 9876543.21 654 321.01 df['col2'] = pd.to_numeric(df['col2'], downcast='float') , que devuelve un ValueError: : No se puede analizar la cadena "9.876.543,21" en la posición 0.
Probé también df = df.apply(lambda x: x.str.replace(',', '.')) , que devuelve ValueError: no se pudo convertir la cadena en flotante: '5.023.654.46'
Puedes probar
df = df.apply(lambda x: x.replace(',', '&')) df = df.apply(lambda x: x.replace('.', ',')) df = df.apply(lambda x: x.replace('&', '.'))Siempre es mejor utilizar las instalaciones del sistema estándar donde existan. Sabiendo que algunas configuraciones regionales usan comas y puntos decimales de manera diferente, no podía creer que Pandas no usaría los formatos de la configuración regional.
Efectivamente, una búsqueda rápida reveló esta esencia , que explica cómo hacer uso de las configuraciones regionales para convertir cadenas en números. En esencia, debe import locale y, una vez que haya creado el marco de datos, llame a locale.setlocale para establecer una configuración regional que use comas como puntos decimales y puntos para los separadores, luego aplique el método applymapp del marco de datos.