Sklearn 机器学习 特征提取 字符串清理转数字

💖亲爱的技术爱好者们，热烈欢迎来到 Kant2048 的博客！我是 Thomas Kant，很开心能在CSDN上与你们相遇～💖

本博客的精华专栏：
【自动化测试】 【测试经验】 【人工智能】 【Python】

Sklearn 机器学习：特征提取中的字符串清理与数字转换

在机器学习建模过程中，我们经常会遇到混合格式的数据，尤其是包含 字符串+数字 的文本特征（如“￥123元”、“高(3.2分)”、“约50%”等），若不进行合理清洗与转换，将无法被模型有效利用。

本文将带你深入了解如何使用 Sklearn + Pandas 等工具，从原始字符串中提取数值特征，助力机器学习模型性能提升！

📌 一、应用场景举例

在实际项目中，以下场景非常常见：

• 电商价格字段：如 "¥123.00"、"￥89元"。
• 商品评分字段：如 "评分4.5分"、"高(3.2分)"。
• 折扣/百分比信息：如 "约50%"、"优惠30%"。
• 地理/温度类信息：如 "22℃"、"东经120度"。

这些特征的共同点是：带有无用符号、单位、前后缀，需清洗后转为数值，才能用于模型。

🔧 二、字符串转数值的常见方法

我们以 Pandas 的 Series 为例，介绍几种典型的字符串清理技巧。

2.1 正则表达式提取数字

import pandas as pd

s = pd.Series(["¥123.45", "89元", "100", "￥56.7"])
s_clean = s.str.extract