Python Pandas 处理文本数据

在本章中，我们将讨论基本Series/Index的字符串操作。在后续的章节中，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，使得对字符串数据的操作变得很容易。最重要的是，这些函数会忽略（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的执行情况。

序号	函数与描述
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() 计算字符串的长度。
4	strip() 帮助去除Series/Index中每个字符串两侧的空白（包括换行符）。
5	split(‘ ‘) 使用给定的模式拆分每个字符串。
6	cat(sep=’ ‘) 使用给定的分隔符连接Series/Index元素。
7	get_dummies() 返回具有One-Hot编码值的DataFrame。
8	contains(pattern) 对于每个元素，如果子字符串包含在元素中，则返回布尔值True，否则返回False。
9	replace(a,b) 替换值 a 为值 b 。
10	repeat(value) 重复每个元素指定次数。
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pattern结尾，则返回true。
14	find(pattern) 返回pattern第一次出现的位置。
15	findall(pattern) 返回pattern所有出现的位置的列表。
16	swapcase 交换大小写。
17	islower() 检查Series/Index中每个字符串中的所有字符是否都为小写。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都为大写。返回布尔值。
19	isnumeric() 检查Series/Index中每个字符串的所有字符是否都是数字。返回布尔值。

让我们现在创建一个Series并看看上面的所有函数是如何工作的。

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])

print s

它的输出如下：

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()

这是它的输出结果-

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()

它的输出如下：

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()

它的输出如下：

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()

它的输出如下：

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(' ')

它的输出如下：

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='_')

它的输出如下：

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()

它的输出如下：

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(' ')

它的输出如下：

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('@','')

其输出如下所示： output

0   Tom
1   William Rick
2   John
3   Alber@t
dtype: object

After replacing @ with :
0   Tom
1   William Rick
2   John
3   Albert
dtype: object

repeat(value)

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.repeat(2)

它的输出如下 – +

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')

它的输出如下：

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')

输出结果如下：

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')

它的输出如下：

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')

它的输出如下：

0  -1
1  -1
2  -1
3   3
dtype: int64

“-1”表示元素中没有可用的模式。

findall(pattern)

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.findall('e')

它的输出如下所示：

0 []
1 []
2 []
3 [e]
dtype: object

空列表（[ ]）表明该元素中没有可用的模式。

swapcase()

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print s.str.swapcase()

它的输出如下：

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()

它的输出如下：

0  False
1  False
2  False
3  False
dtype: bool

isupper（）

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])

print s.str.isupper()

它的输出如下：输出是这样的−

0  False
1  False
2  False
3  False
dtype: bool

isnumeric()

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])

print s.str.isnumeric()

它的输出如下：

0  False
1  False
2  False
3  False
dtype: bool

Python Pandas 处理文本数据

Python Pandas 处理文本数据

lower()

upper()

len()

strip()

split(pattern)

cat(sep=pattern)

get_dummies()

contains()

replace(a,b)

repeat(value)

count (pattern)

startswith(pattern)

endswith(pattern)

find(pattern)

findall(pattern)

swapcase()

islower()

isupper（）

isnumeric()

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Pandas 精品教程

回顶部

Python Pandas 处理文本数据

lower()

upper()

len()

strip()

split(pattern)

cat(sep=pattern)

get_dummies()

contains()

replace(a,b)

repeat(value)

count (pattern)

startswith(pattern)

endswith(pattern)

find(pattern)

findall(pattern)

swapcase()

islower()

isupper（）

isnumeric()

Python教程

Java教程

Web教程

数据库教程

图形图像教程

大数据教程

开发工具教程

计算机教程

Pandas 精品教程

回顶部

切换注册登录

用户名或邮箱

密码

切换登录注册

昵称

邮箱