Python Pandas处理字符串
精华
小牛编辑
188浏览
2023-03-14
Pandas 提供了一系列的字符串函数,因此能够很方便地对字符串进行处理。在本节,我们使用 Series 对象对常用的字符串函数进行讲解。
常用的字符串处理函数如下表所示:
常用的字符串处理函数如下表所示:
函数名称 | 函数功能和描述 |
---|---|
lower() | 将的字符串转换为小写。 |
upper() | 将的字符串转换为大写。 |
len() | 得出字符串的长度。 |
strip() | 去除字符串两边的空格(包含换行符)。 |
split() | 用指定的分割符分割字符串。 |
cat(sep="") | 用给定的分隔符连接字符串元素。 |
get_dummies() | 返回一个带有独热编码值的 DataFrame 结构。 |
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,否则为 False。 |
replace(a,b) | 将值 a 替换为值 b。 |
count(pattern) | 返回每个字符串元素出现的次数。 |
startswith(pattern) | 如果 Series 中的元素以指定的字符串开头,则返回 True。 |
endswith(pattern) | 如果 Series 中的元素以指定的字符串结尾,则返回 True。 |
findall(pattern) | 以列表的形式返出现的字符串。 |
swapcase() | 交换大小写。 |
islower() | 返回布尔值,检查 Series 中组成每个字符串的所有字符是否都为小写。 |
issupper() | 返回布尔值,检查 Series 中组成每个字符串的所有字符是否都为大写。 |
isnumeric() | 返回布尔值,检查 Series 中组成每个字符串的所有字符是否都为数字。 |
repeat(value) | 以指定的次数重复每个元素。 |
find(pattern) | 返回字符串第一次出现的索引位置。 |
注意:上述所有字符串函数全部适用于 DataFrame 对象,同时也可以与 Python 内置的字符串函数一起使用,这些函数在处理 Series/DataFrame 对象的时候会自动忽略缺失值数据(NaN)。
lower()
import pandas as pd import numpy as np s = pd.Series(['C', 'Python', 'java', 'go', np.nan, '1125','javascript']) print(s.str.lower)输出结果:
0 tom 1 william rick 2 john 3 alber@t 4 NaN 5 1234 6 stevesmith dtype: object
len()
import pandas as pd import numpy as np s = pd.Series(['C', 'Python', 'java', 'go', np.nan, '1125','javascript']) print(s.str.len())输出结果:
0 1.0 1 6.0 2 4.0 3 2.0 4 NaN 5 4.0 6 10.0 dtype: float64
strip()
import pandas as pd import numpy as np s = pd.Series(['C ', ' Python', 'java', 'go', np.nan, '1125 ','javascript']) print(s.str.strip())输出结果:
0 C 1 Python 2 java 3 go 4 NaN 5 1125 6 javascript dtype: object
split(pattern)
import pandas as pd import numpy as np s = pd.Series(['C ',' Python','java','go','1125 ','javascript']) print(s.str.split(" "))输出结果:
0 [C, ] 1 [, Python] 2 [java] 3 [go] 4 [1125, ] 5 [javascript] dtype: object
cat(sep="")
import pandas as pd import numpy as np s = pd.Series(['C', 'Python', 'java', 'go', np.nan, '1125','javascript']) #会自动忽略NaN print(s.str.cat(sep="_"))输出结果:
C_Python_java_go_1125_javascript
get_dummies()
import pandas as pd import numpy as np s = pd.Series(['C', 'Python', 'java', 'go', np.nan, '1125','javascript']) print(s.str.get_dummies())输出结果:
1125 C Python go java javascript 0 0 1 0 0 0 0 1 0 0 1 0 0 0 2 0 0 0 0 1 0 3 0 0 0 1 0 0 4 0 0 0 0 0 0 5 1 0 0 0 0 0 6 0 0 0 0 0 1
contains()
检查 Series 中的每个字符,如果字符中包含空格,则返回 True,否则返回 False。示例如下:import pandas as pd import numpy as np s = pd.Series(['C ',' Python','java','go','1125 ','javascript']) print(s.str.contains(" "))输出结果:
0 True 1 True 2 False 3 False 4 True 5 False dtype: bool
repeat()
import pandas as pd import numpy as np s = pd.Series(['C ',' Python','java','go','1125 ','javascript']) print(s.str.repeat(3))输出结果:
0 C C C 1 Python Python Python 2 javajavajava 3 gogogo 4 1125 1125 1125 5 javascriptjavascriptjavascript dtype: object
startswith()
import pandas as pd import numpy as np s = pd.Series(['C ',' Python','java','go','1125 ','javascript']) #若以指定的"j"开头则返回True print(s.str.startswith("j"))输出结果:
0 False 1 False 2 True 3 False 4 False 5 True dtype: bool
find()
import pandas as pd import numpy as np s = pd.Series(['C ',' Python','java','go','1125 ','javascript']) print(s.str.find("j"))输出结果:
0 -1 1 -1 2 0 3 -1 4 -1 5 0 dtype: int64如果返回 -1 表示该字符串中没有出现指定的字符。
findall()
import pandas as pd import numpy as np s = pd.Series(['C ',' Python','java','go','1125 ','javascript']) print(s.str.findall("j"))输出结果:
0 [] 1 [] 2 [j] 3 [] 4 [] 5 [j] dtype: object
swapcase()
import pandas as pd import numpy as np s = pd.Series(['C ',' Python','java','go','1125 ','javascript']) print(s.str.swapcase())输出结果:
0 c 1 pYTHON 2 JAVA 3 GO 4 1125 5 JAVASCRIPT dtype: object
isnumeric()
返回一个布尔值,用来判断是否存在数字型字符串。示例如下:import pandas as pd import numpy as np s = pd.Series(['C ',' Python','java','go','1125','javascript']) print(s.str.isnumeric())输出结果:
0 False 1 False 2 False 3 False 4 True 5 False dtype: bool