极客教程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