Python数据处理教程：高效转换带单位的字符串数值与处理缺失值-Python教程-PHP中文网

Python数据处理教程：高效转换带单位的字符串数值与处理缺失值

DDD

发布： 2025-11-07 11:53:40

原创

1002人浏览过

Python数据处理教程：高效转换带单位的字符串数值与处理缺失值

本教程旨在指导如何将包含“m”（百万）和“b”（十亿）单位的字符串数值数据转换为浮点数，并妥善处理“damages not recorded”等缺失值。文章将详细解析常见编程错误，如循环结构不当、字符串方法误用及条件判断缺失，并提供一个结构清晰、健壮的python函数实现方案，帮助开发者高效、准确地完成数据清洗任务。

在数据分析和处理中，我们经常会遇到需要将带有特定单位（如“M”代表百万、“B”代表十亿）的字符串数值转换为标准浮点数的情况，同时还要妥善处理缺失数据。本教程将以一个具体的示例——处理损害数据列表——来演示如何高效、准确地完成这项任务。

原始数据示例

假设我们有一个包含损害报告的列表，其中包含字符串形式的数值和缺失值标记：

damages = ['Damages not recorded', '100M', 'Damages not recorded', '40M', '27.9M', '5M', 'Damages not recorded', '306M', '2M', '65.8M', '326M', '60.3M', '208M', '1.42B', '25.4M', 'Damages not recorded', '1.54B', '1.24B', '7.1B', '10B', '26.5B', '6.2B', '5.37B', '23.3B', '1.01B', '125B', '12B', '29.4B', '1.76B', '720M', '15.1B', '64.8B', '91.6B', '25.1B']

登录后复制

我们的目标是将这个列表转换为一个新列表，其中“M”和“B”单位的数值被转换为相应的浮点数（例如，“100M”变为100,000,000.0），而“Damages not recorded”保持不变。

常见的编程误区与解析

在尝试解决此类问题时，初学者可能会遇到一些常见的逻辑和语法错误。理解这些错误有助于我们编写更健壮的代码。

立即学习“Python免费学习笔记（深入）”；

1. 循环逻辑混乱

原始代码中使用了while len(damage) > len(damage_update)结合for damage in damages的循环结构。这是一个典型的错误，原因如下：

while循环条件问题：在for循环内部，damage变量会依次取damages列表中的每个元素（一个字符串）。因此，len(damage)会是当前字符串的长度，而不是原始damages列表的长度。这导致while循环的条件判断不正确，很可能造成无限循环或提前终止。
for循环的重复迭代：while循环的每一次迭代都会导致内层的for循环从头开始遍历整个damages列表。这不仅效率低下，还会导致damage_update列表被重复填充。

正确的做法通常是使用一个简单的for循环遍历原始列表，或者使用列表推导式来构建新列表。

2. 错误的字符串/列表方法调用

代码中出现了damages.update()和damages.find(M)这样的调用：

list.update()和str.update()方法不存在：Python的list（列表）和str（字符串）类型都没有名为update()的方法来修改元素或进行替换操作。如果要修改列表元素，需要通过索引直接赋值；如果要处理字符串，需要使用字符串的内置方法，如replace()、split()或切片。
str.find()的参数问题：damages.find(M)中的M被当作了一个未定义的变量，而不是字符串字面量'M'。find()方法用于查找子字符串，其参数必须是字符串。

正确的字符串操作通常涉及endswith()来判断后缀，以及切片[:-1]来移除后缀，再结合float()进行类型转换。

怪兽AI数字人

数字人短视频创作，数字人直播，实时驱动数字人

查看详情

3. 条件语句不完整

elif : 语句是一个语法错误，elif后面必须跟随一个条件表达式。

构建健壮的数据转换函数

为了避免上述问题并实现需求，我们可以设计一个清晰、模块化的函数。

1. 定义函数骨架

首先，将数据处理逻辑封装在一个函数中，使其可重用。

def update_damages(damages_list):
    damage_update = []  # 用于存储转换后的数据
    # ... 核心逻辑 ...
    return damage_update

登录后复制

2. 迭代与条件判断

使用一个for循环遍历输入列表的每个元素。在循环内部，使用if-elif-else结构来判断当前元素的类型并进行相应的处理。

def update_damages(damages_list):
    damage_update = []
    for item in damages_list:
        if item == 'Damages not recorded':
            damage_update.append(item)
        elif item.endswith('M'):
            # 移除'M'，转换为浮点数，再乘以100万
            value = float(item[:-1]) * 1_000_000
            damage_update.append(value)
        elif item.endswith('B'):
            # 移除'B'，转换为浮点数，再乘以10亿
            value = float(item[:-1]) * 1_000_000_000
            damage_update.append(value)
        else:
            # 处理未知格式，这里可以选择保留原样或抛出错误
            damage_update.append(item) 
    return damage_update

登录后复制

在这个实现中：

item[:-1]用于获取除最后一个字符（即单位'M'或'B'）之外的所有字符。
float()函数将提取出的数字字符串转换为浮点数。
1_000_000和1_000_000_000是Python 3.6+支持的数字字面量，用于提高大数字的可读性。

完整代码实现

将上述逻辑整合到一起，并使用提供的damages数据进行测试：

damages = ['Damages not recorded', '100M', 'Damages not recorded', '40M', '27.9M', '5M', 'Damages not recorded', '306M', '2M', '65.8M', '326M', '60.3M', '208M', '1.42B', '25.4M', 'Damages not recorded', '1.54B', '1.24B', '7.1B', '10B', '26.5B', '6.2B', '5.37B', '23.3B', '1.01B', '125B', '12B', '29.4B', '1.76B', '720M', '15.1B', '64.8B', '91.6B', '25.1B']

def update_damages(damages_list):
    """
    将包含'M'/'B'单位的损害数据字符串转换为浮点数，
    并保留'Damages not recorded'。

    Args:
        damages_list (list): 包含损害数据字符串的列表。

    Returns:
        list: 转换后的浮点数和字符串组成的列表。
    """
    damage_update = []
    for item in damages_list:
        if item == 'Damages not recorded':
            damage_update.append(item)
        elif item.endswith('M'):
            try:
                # 移除'M'，转换为浮点数，再乘以100万
                value = float(item[:-1]) * 1_000_000
                damage_update.append(value)
            except ValueError:
                # 处理转换失败的情况，例如 'XM' 但 X 不是有效数字
                print(f"警告: 无法将 '{item}' 转换为数字，保留原始值。")
                damage_update.append(item)
        elif item.endswith('B'):
            try:
                # 移除'B'，转换为浮点数，再乘以10亿
                value = float(item[:-1]) * 1_000_000_000
                damage_update.append(value)
            except ValueError:
                # 处理转换失败的情况
                print(f"警告: 无法将 '{item}' 转换为数字，保留原始值。")
                damage_update.append(item)
        else:
            # 对于其他未知格式，可以选择保留原样或进行更严格的错误处理
            print(f"警告: 遇到未知损害格式 '{item}'，保留原始值。")
            damage_update.append(item)
    return damage_update

# 调用函数并打印结果
updated_list = update_damages(damages)
print(updated_list)

登录后复制

注意事项与最佳实践

错误处理 (try-except)：在将字符串转换为浮点数时，始终考虑使用try-except块来捕获ValueError。这可以防止因数据格式不符合预期（例如，"abcM"）而导致程序崩溃，提高代码的健壮性。
可读性与常量：对于像1_000_000和1_000_000_000这样的乘数，可以定义为具名常量（例如MILLION = 1_000_000），以提高代码的可读性和维护性。
通用性考虑：如果未来可能出现其他单位（如“K”代表千），可以扩展elif条件或使用字典映射来处理。
输入验证：在函数开始时对damages_list的类型进行检查，确保它是一个列表，可以增加函数的鲁棒性。
列表推导式：对于这种一对一转换并生成新列表的任务，Python的列表推导式可以提供更简洁的写法，尽管可读性可能略有下降。