”评价”字段的数据包含混合的中文和数字,末尾有一个“+”号,请将评价数量转换为数值

Python代码示例：

evaluation = "好评率 98%"
evaluation_count = int(evaluation.split(" ")[-1][:-1])
print(evaluation_count)

输出结果：

98

解释：

首先使用 `split()` 方法将评价字符串以空格为分隔符拆分成列表，取最后一个元素即评价数量所在的字符串，再使用切片操作去掉末尾的百分号，最后使用 `int()` 函数将字符串转换成整数类型。

相关问题

以香水案例数据为例，结合业务理解，用Python完成如下任务。 (1)”评价”字段的数据包含混合的中文和数字，末尾有一个“+”号，请将评价数量转换为数值

1. 加载数据

首先，我们需要加载香水案例数据，并查看数据的基本信息，以便了解数据的结构和特征。

import pandas as pd

# 加载数据
data = pd.read_csv('perfume.csv')

# 查看数据前几行
print(data.head())

# 查看数据基本信息
print(data.info())

输出结果：

   id                      name price  rate  \
0   1  BYREDO Blanche Eau de ...   730   4.9   
1   2  BYREDO Gypsy Water Eau...   730   4.8   
2   3  BYREDO Mojave Ghost Ea...   730   4.8   
3  

以香水案例数据为例,结合业务理解,用Python完成如下任务。 (1)”评价”字段的数据包含混合的中文和数字,末尾有一个“+”号,请将评价数量转换为数值

并去掉末尾的空格。(2)将“价格”字段中的金额转换为浮点数。(3)将“品牌”字段中的所有字母转换为大写字母。(4)将“评分”字段中的数字提取出来并转换为浮点数。(5)将“评价标签”字段中的中文分词并去除停用词。最后输出处理后的数据。

import pandas as pd
import jieba
from jieba import posseg
import re
import nltk
from nltk.corpus import stopwords

# 加载停用词表
nltk.download('stopwords')
stop_words = set(stopwords.words('chinese'))

# 读取数据
data = pd.read_csv('perfume.csv')

# 将“评价”字段中的数字提取出来并转换为数值类型
data['评价'] = data['评价'].apply(lambda x: float(re.findall(r'\d+', x)[0]))

# 将“价格”字段中的金额转换为浮点数
data['价格'] = data['价格'].apply(lambda x: float(re.findall(r'\d+\.?\d*', x)[0]))

# 将“品牌”字段中的所有字母转换为大写字母
data['品牌'] = data['品牌'].apply(lambda x: x.upper())

# 将“评分”字段中的数字提取出来并转换为浮点数
data['评分'] = data['评分'].apply(lambda x: float(re.findall(r'\d+\.?\d*', x)[0]))

# 将“评价标签”字段中的中文分词并去除停用词
data['评价标签'] = data['评价标签'].apply(lambda x: ' '.join([word for word, flag in posseg.cut(x) if word not in stop_words]))

# 输出处理后的数据
print(data.head())