pandas read_csv 读取数据时如何去除币种标志（$、¥、€ 等）

问题背景

在实际数据处理中,我们经常会遇到这样的 CSV 文件：

商品名称,价格,成本
键盘,"$1,299.00","$850.50"
鼠标,"¥399.00","¥220.00"
显示器,"€549.99","€380.00"

直接使用 pd.read_csv() 读取后，价格列会被识别为字符串类型（object），而不是数值类型，无法直接进行求和、均值等数学运算，这是因为数据中混入了币种符号（、、）以及千分位逗号。

本文介绍几种在读取和清洗阶段去除币种标志的常用方法。

方法一：使用 read_csv 的 converters 参数（读取时直接清洗）

converters 参数允许我们对指定列在读取时就应用自定义函数：

import pandas as pd
def clean_currency(x):
    """去除币种符号和千分位逗号，转换为浮点数"""
    return float(x.replace('$', '')
                  .replace('¥', '')
                  .replace('€', '')
                  .replace(',', ''))
df = pd.read_csv('data.csv', converters={'价格': clean_currency, '成本': clean_currency})
print(df.dtypes)

输出：

商品名称     object
价格       float64
成本       float64
dtype: object

优点：一步到位，读取完成时数据已是数值类型。

方法二：先读取，后用正则表达式清洗（推荐）

更通用的做法是先正常读取,再用 str.replace() 配合正则表达式批量处理：

import pandas as pd
df = pd.read_csv('data.csv')
for col in ['价格', '成本']:
    df[col] = (
        df[col]
        .str.replace(r'[^\d\.\-]', '', regex=True)  # 保留数字、小数点、负号
        .astype(float)
    )

正则 [^\d\.\-] 的含义是“匹配所有不是数字、小数点、负号的字符”，无论是 、、 还是逗号，都会被一次性清除。

方法三：处理负数的括号表示法

财务数据中常见 ($1,234.56) 表示 -1234.56 的写法，需要额外处理括号：

import pandas as pd
df = pd.read_csv('data.csv')
def parse_currency(series):
    series = series.str.replace(r'[$¥€£,]', '', regex=True)
    series = series.str.replace(r'\((.*)\)', r'-\1', regex=True)  # 括号转负数
    return pd.to_numeric(series, errors='coerce')  # 无法解析的变为 NaN
df['价格'] = parse_currency(df['价格'])
df['成本'] = parse_currency(df['成本'])

errors='coerce' 可以把空字符串、"N/A" 等脏数据自动转为 NaN，避免程序报错。

注意事项

1. 千分位逗号要一并去除：$1,299.00 如果只去掉 而留下逗号，float() 转换依然会失败。
2. 先查 dtype 再处理：用 df.dtypes 确认列类型，如果已经是 float64，说明读取时已被正确解析，无需清洗。
3. 空值问题：str.replace 对 NaN 不生效但也不会报错，转换后用 df['价格'].isna().sum() 检查缺失情况。
4. 编码问题：CSV 中含有 符号，读取时报 UnicodeDecodeError，可尝试指定编码：pd.read_csv('data.csv', encoding='gbk')。
5. 读取时指定 dtype=str 更保险：对于脏数据较多的列，可用 dtype={'价格': str} 强制按字符串读入，避免 pandas 自动推断出错。

方法	适用场景
converters 参数	列数少、规则简单，希望一次读取到位
str.replace + astype	通用场景，代码清晰
正则 + pd.to_numeric	数据脏、含括号负数、含异常值

核心思路都是一致的：用字符串替换（或正则）剔除币种符号和千分位符，再转换为数值类型，掌握这几种方法后，无论数据中混的是美元、人民币还是欧元符号，都能轻松完成清洗，为后续的数据分析打下基础。