ключевая ошибка при удалении запятой в файле .csv

Question

Данные: Github_Link

Фрейм данных выглядит следующим образом:

Я пытаюсь удалить запятые в первом ряду (есть такие вещи, как '1000')

но есть ключевая ошибка: 'Price'

Код:

import pandas

def main():
    df=pandas.read_csv("Rent_Message.csv",index_col=0)
    df=df.drop(df.columns[df.columns.str.contains('Unnamed',case = False)],axis = 1)
    df['Price'] = df['Price'].str.replace(",").astype(float)
main()

Answer 1

Как указывает d_kennetz, Price - ваш индексный столбец. Вы можете либо следовать его подходу и установить индекс на более позднем этапе, либо использовать этот фрагмент вместо замены значений индекса

df.index = df.index.str.replace(",","").astype(float)

Answer 2

Это потому, что вы являетесь тем столбцом в качестве индекса перед заменой строки. Кроме того, вы не заменяете запятую чем-либо, так как str.replace принимает 2 аргумента, и, наконец, возвращает df

import pandas as pd

def main():
    df = pd.read_csv("Rent_message.csv") # don't set index, you can do it later.
    df = df.drop(df.columns[df.columns.str.contains('Unnamed',case = False)],axis = 1) # this line is okay
    df['Price'] = df['Price'].str.replace(",", '').astype(float) # fix str.replace
    df.set_index('Price', inplace=True)
    return df
main()

выход:

df.head()
         Postcode Type_Property  Num_Bedroom  Num_Bathroom  Num_Carspace  \
Price                                                                      
550.0    8/2/1916         house            4             2             2   
350.0    7/1/1916         house            3             1             5   
450.0   11/6/1916         house            4             2             2   
300.0   7/10/1916         house            4             2             2   
400.0   7/30/1916         house            4             1             2   
300.0    7/1/1916          unit            2             1             2   
200.0        6017     apartment            2             1             1   
950.0        6004     apartment            3             2             2   
1500.0       6151     apartment            4             3             1