在處理股票或財務資料的時候，我們常常會遇到一個小問題：數字欄位裡面帶有「千分位逗號」。
像是成交量 24,841,820，或價格 1,285，它們其實是「文字 (string)」，而不是「真正的數字 (int/float)」。

這樣的格式看起來比較容易閱讀，但在 數據分析或數學運算 時就會卡住。例如：

• 想要計算平均成交量 → 會出錯，因為資料是文字而不是數字。
• 想要比較最大最小價格 → 也會錯，因為字串是按照字母順序比較，不是數值大小。

所以今天的重點，就是把這些「帶逗號的文字數字」清理乾淨，轉換成真正的數字格式。

範例資料

我們先建立一個簡單的 DataFrame，模擬從網路上抓到的資料：

import pandas as pd

demo_df = pd.DataFrame({
    'Price': ['1,285', '1,265.5'],
    'Volume': ['24,841,820', '32,019,276']
})

print(demo_df)

輸出結果：

    Price     Volume
0   1,285  24,841,820
1  1,265.5 32,019,276

可以看到，這些數字都有逗號，看起來像數字，但實際上是 文字型態 (object)。

清理步驟

• 移除逗號

我們可以先用 str.replace(',', '')，把字串裡的逗號刪掉：

demo_df['Price'] = demo_df['Price'].str.replace(',', '')
demo_df['Volume'] = demo_df['Volume'].str.replace(',', '')

print(demo_df)

輸出結果：

   Price    Volume
0   1285  24841820
1  1265.5 32019276

現在看起來已經變成「純數字字串」，但仍然是文字型態。

• 轉換為數字

接下來用 pd.to_numeric() 把欄位轉換成數字：

demo_df['Price'] = pd.to_numeric(demo_df['Price'])
demo_df['Volume'] = pd.to_numeric(demo_df['Volume'])

這樣 Price 就會自動變成 float（因為有小數點），
而 Volume 會變成 int（因為是整數）。

確認型態

我們可以用 dtypes 來檢查欄位型態：

print(demo_df.dtypes)

結果會是：

Price     float64
Volume      int64
dtype: object

這就表示我們已經完成轉換，資料可以放心拿來做計算。

結論

今天我們學會了如何清理數字欄位：

• 用 .str.replace(',', '') 移除逗號
• 用 pd.to_numeric() 把文字轉換成數字

這個技巧在處理財務數據、股市資料、甚至一般的統計報表時都會用到，是非常實用的一步。
那今天先這樣。