Python Pandas 简明教程
Python Pandas - Working with Text Data
在本节中,我们将讨论使用基本Series/Index进行字符串操作。在后续章节中,我们将学习如何在DataFrame上应用这些字符串函数。
Pandas 提供了一组字符串函数,使其易于对字符串数据进行操作。最重要的是,这些函数忽略(或排除)缺失/NaN 值。
几乎所有这些方法都适用于 Python 字符串函数(参考: https://docs.python.org/3/library/stdtypes.html#string-methods )。因此,将Series对象转换为字符串对象,然后执行操作。
现在让我们看看每个操作如何执行。
Sr.No |
Function & Description |
1 |
lower() 将Series/Index中的字符串转换为小写。 |
2 |
upper() 将Series/Index中的字符串转换为大写。 |
3 |
len() Computes String length(). |
4 |
strip() 帮助从Series/index中的每个字符串的両侧去除空白(包括换行符)。 |
5 |
split(' ') 使用给定的模式对每个字符串进行拆分。 |
6 |
cat(sep=' ') 使用给定的分隔符连接series/index元素。 |
7 |
get_dummies() 返回使用One-Hot编码值的DataFrame。 |
8 |
contains(pattern) 如果子字符串包含在元素中,则为每个元素返回布尔值True,否则返回False。 |
9 |
replace(a,b) 将值 a 替换为值 b 。 |
10 |
repeat(value) 按指定次数重复每个元素。 |
11 |
count(pattern) 返回每个元素中模式出现的次数。 |
12 |
startswith(pattern) 如果Series/Index中的元素以模式开头,则返回true。 |
13 |
endswith(pattern) 如果Series/Index中的元素以模式结尾,则返回true。 |
14 |
find(pattern) 返回模式首次出现的第一个位置。 |
15 |
findall(pattern) 返回模式的所有出现位置列表。 |
16 |
swapcase Swaps the case lower/upper. |
17 |
islower() 检查Series/Index中每个字符串中的所有字符是否全部为小写。返回布尔值 |
18 |
isupper() 检查Series/Index中每个字符串中的所有字符是否全部为大写。返回布尔值。 |
19 |
isnumeric() 检查Series/Index中每个字符串中的所有字符是否都是数字。返回布尔值。 |
现在,我们创建一个Series,看看上述所有函数如何工作。
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
print s
它的 output 如下所示 −
0 Tom
1 William Rick
2 John
3 Alber@t
4 NaN
5 1234
6 Steve Smith
dtype: object
lower()
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
print s.str.lower()
它的 output 如下所示 −
0 tom
1 william rick
2 john
3 alber@t
4 NaN
5 1234
6 steve smith
dtype: object
upper()
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
print s.str.upper()
它的 output 如下所示 −
0 TOM
1 WILLIAM RICK
2 JOHN
3 ALBER@T
4 NaN
5 1234
6 STEVE SMITH
dtype: object
len()
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
print s.str.len()
它的 output 如下所示 −
0 3.0
1 12.0
2 4.0
3 7.0
4 NaN
5 4.0
6 10.0
dtype: float64
strip()
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("After Stripping:")
print s.str.strip()
它的 output 如下所示 −
0 Tom
1 William Rick
2 John
3 Alber@t
dtype: object
After Stripping:
0 Tom
1 William Rick
2 John
3 Alber@t
dtype: object
split(pattern)
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("Split Pattern:")
print s.str.split(' ')
它的 output 如下所示 −
0 Tom
1 William Rick
2 John
3 Alber@t
dtype: object
Split Pattern:
0 [Tom, , , , , , , , , , ]
1 [, , , , , William, Rick]
2 [John]
3 [Alber@t]
dtype: object
cat(sep=pattern)
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.cat(sep='_')
它的 output 如下所示 −
Tom _ William Rick_John_Alber@t
get_dummies()
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.get_dummies()
它的 output 如下所示 −
William Rick Alber@t John Tom
0 0 0 0 1
1 1 0 0 0
2 0 0 1 0
3 0 1 0 0
contains ()
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.contains(' ')
它的 output 如下所示 −
0 True
1 True
2 False
3 False
dtype: bool
replace(a,b)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("After replacing @ with $:")
print s.str.replace('@','$')
它的 output 如下所示 −
0 Tom
1 William Rick
2 John
3 Alber@t
dtype: object
After replacing @ with $:
0 Tom
1 William Rick
2 John
3 Alber$t
dtype: object
repeat(value)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.repeat(2)
它的 output 如下所示 −
0 Tom Tom
1 William Rick William Rick
2 JohnJohn
3 Alber@tAlber@t
dtype: object
count(pattern)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("The number of 'm's in each string:")
print s.str.count('m')
它的 output 如下所示 −
The number of 'm's in each string:
0 1
1 1
2 0
3 0
startswith(pattern)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that start with 'T':")
print s.str. startswith ('T')
它的 output 如下所示 −
0 True
1 False
2 False
3 False
dtype: bool
endswith(pattern)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that end with 't':")
print s.str.endswith('t')
它的 output 如下所示 −
Strings that end with 't':
0 False
1 False
2 False
3 True
dtype: bool
find(pattern)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.find('e')
它的 output 如下所示 −
0 -1
1 -1
2 -1
3 3
dtype: int64
“-1”表示元素中没有此类模式。
findall(pattern)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.findall('e')
它的 output 如下所示 −
0 []
1 []
2 []
3 [e]
dtype: object
空列表([ ])表示元素中没有此类模式。
swapcase()
import pandas as pd
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print s.str.swapcase()
它的 output 如下所示 −
0 tOM
1 wILLIAM rICK
2 jOHN
3 aLBER@T
dtype: object
islower()
import pandas as pd
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print s.str.islower()
它的 output 如下所示 −
0 False
1 False
2 False
3 False
dtype: bool