Pandas 文本处理
Pandas 文本处理操作实例
在本章中，我们将使用基本的Series / Index讨论字符串操作。在随后的章节中，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，可以轻松地对字符串数据进行操作。最重要的是，这些函数忽略（或排除）缺少的/ NaN值。
几乎所有这些方法都可用于Python字符串函数（请参阅： https://docs.python.org/3/library/stdtypes.html#string-methods)。因此，将Series对象转换为String对象，然后执行该操作。
我们看看每个操作如何执行。
| 方法 | 说明 |
| lower() | 将系列/索引中的字符串转换为小写。 |
| upper() | 将系列/索引中的字符串转换为大写。 |
| len() | 计算字符串length()。 |
| strip() | 帮助从两侧从系列/索引中的每个字符串中去除空格（包括换行符）。 |
| split(' ') | 用给定的模式分割每个字符串。 |
| cat(sep=' ')/td> | 用给定的分隔符连接系列/索引元素。 |
| get_dummies() | 返回具有一键编码值的DataFrame。 |
| contains(pattern) | 如果子字符串包含在元素中，则为每个元素返回一个布尔值True，否则返回False。 |
| replace(a,b) | a值替换成b。 |
| repeat(value) | 以指定的次数重复每个元素。 |
| count(pattern) | 返回每个元素中模式出现的次数。 |
| startswith(pattern) | 如果系列/索引中的元素以模式开头，则返回true。 |
| endswith(pattern) | 如果系列/索引中的元素以模式结尾，则返回true。 |
| find(pattern) | 返回模式首次出现的第一个位置。 |
| findall(pattern) | 返回所有出现的模式的列表。 |
| swapcase | 大小写互换 |
| islower()< | 检查“系列/索引”中每个字符串中的所有字符是否都小写。返回布尔值 |
| isupper() | 检查“系列/索引”中每个字符串中的所有字符是否都大写。返回布尔值。 |
| isnumeric() | 检查“系列/索引”中每个字符串中的所有字符是否都是数字。返回布尔值。 |
我们来创建一个Series，看看以上所有功能如何工作。
importpandasaspdimportnumpyasnps=pd.Series(['Tom','WilliamRick','John','Alber@t',np.nan,'1234','SteveSmith'])prints
运行结果：
0Tom1WilliamRick2John3Alber@t4NaN512346SteveSmithdtype:object
lower()
importpandasaspdimportnumpyasnps=pd.Series(['Tom','WilliamRick','John','Alber@t',np.nan,'1234','SteveSmith'])prints.str.lower()
运行结果：
0tom1williamrick2john3alber@t4NaN512346stevesmithdtype:object
upper()
importpandasaspdimportnumpyasnps=pd.Series(['Tom','WilliamRick','John','Alber@t',np.nan,'1234','SteveSmith'])prints.str.upper()
运行结果：
0TOM1WILLIAMRICK2JOHN3ALBER@T4NaN512346STEVESMITHdtype:object
len()
importpandasaspdimportnumpyasnps=pd.Series(['Tom','WilliamRick','John','Alber@t',np.nan,'1234','SteveSmith'])prints.str.len()
运行结果：
03.0112.024.037.04NaN54.0610.0dtype:float64
strip()
importpandasaspdimportnumpyasnps=pd.Series(['Tom','WilliamRick','John','Alber@t'])printsprint("AfterStripping:")prints.str.strip()运行结果：
0Tom1WilliamRick2John3Alber@tdtype:objectAfterStripping:0Tom1WilliamRick2John3Alber@tdtype:object
split(pattern)
importpandasaspdimportnumpyasnps=pd.Series(['Tom','WilliamRick','John','Alber@t'])printsprint("SplitPattern:")prints.str.split('')运行结果：
0Tom1WilliamRick2John3Alber@tdtype:objectSplitPattern:0[Tom,,,,,,,,,,]1[,,,,,William,Rick]2[John]3[Alber@t]dtype:object
cat(sep=pattern)
importpandasaspdimportnumpyasnps=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.cat(sep='_')
运行结果：
Tom_WilliamRick_John_Alber@t
get_dummies()
importpandasaspdimportnumpyasnps=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.get_dummies()
运行结果：
WilliamRickAlber@tJohnTom00001110002001030100
contains ()
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.contains('')运行结果：
0True1True2False3Falsedtype:bool
replace(a,b)
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])printsprint("Afterreplacing@with$:")prints.str.replace('@','))运行结果：
0Tom1WilliamRick2John3Alber@tdtype:objectAfterreplacing@with$:0Tom1WilliamRick2John3Alber$tdtype:object
repeat(value)
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.repeat(2)
运行结果：
0TomTom1WilliamRickWilliamRick2JohnJohn3Alber@tAlber@tdtype:object
count(pattern)
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])print("每个字符串中的“m”数:")prints.str.count('m')运行结果：
每个字符串中的“m”数:01112030
startswith(pattern)
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])print("Stringsthatstartwith'T':")prints.str.startswith('T')运行结果：
0True1False2False3Falsedtype:bool
endswith(pattern)
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])print("Stringsthatendwith't':")prints.str.endswith('t')运行结果：
Stringsthatendwith't':0False1False2False3Truedtype:bool
find(pattern)
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.find('e')运行结果：
0-11-12-133dtype:int64
“ -1”表示元素中没有匹配到。
findall(pattern)
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.findall('e')运行结果：
0[]1[]2[]3[e]dtype:object
空列表（[]）表示元素中没有匹配到
swapcase()
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.swapcase()
运行结果：
0tOM1wILLIAMrICK2jOHN3aLBER@Tdtype:object
islower()
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.islower()
运行结果：
0False1False2False3Falsedtype:bool
isupper()
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.isupper()
运行结果：
0False1False2False3Falsedtype:bool
isnumeric()
importpandasaspds=pd.Series(['Tom','WilliamRick','John','Alber@t'])prints.str.isnumeric()
运行结果：
0False1False2False3Falsedtype:bool
编辑于2024-05-20 13:41