这20个Pandas函数，堪称数据清洗杀手！

Posted 2021-10-13 大数据v

tags:

篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了这20个Pandas函数，堪称数据清洗杀手！相关的知识，希望对你有一定的参考价值。

导读：今天准备介绍一篇超级肝货！

Pandas 是基于NumPy 的一种工具，该工具是为解决数据分析任务而创建的。它提供了大量能使我们快速便捷地处理数据的函数和方法。

本文介绍的这20个（被分成了15组）函数，绝对是数据处理杀手，用了你会爱不释手。

作者：黄伟呢

来源：数据分析与统计学之美（ID：huang_superme）

00 构造数据集

这里为大家先构造一个数据集，用于为大家演示这20个函数。

注：本数据集中的姓名、身份证号码、电话号码等信息均为虚构。

import pandas as pd
df ={'姓名':[' 黄同学','黄至尊','黄老邪 ','陈大美','孙尚香'],
     '英文名':['Huang tong_xue','huang zhi_zun','Huang Lao_xie','Chen Da_mei','sun shang_xiang'],
     '性别':['男','women','men','女','男'],
     '身份证':['463895200003128433','429475199912122345','420934199110102311','431085200005230122','420953199509082345'],
     '身高':['mid:175_good','low:165_bad','low:159_bad','high:180_verygood','low:172_bad'],
     '家庭住址':['湖北广水','河南信阳','广西桂林','湖北孝感','广东广州'],
     '电话号码':['13434813546','19748672895','16728613064','14561586431','19384683910'],
     '收入':['1.1万','8.5千','0.9万','6.5千','2.0万']}
df = pd.DataFrame(df)
df

效果图：

01 cat函数

这个函数主要用于字符串的拼接；

df["姓名"].str.cat(df["家庭住址"],sep='-'*3)

效果图：

02 contains函数

这个函数主要用于判断某个字符串是否包含给定字符；

df["家庭住址"].str.contains("广")

效果图：

03 startswith、endswith函数

这个函数主要用于判断某个字符串是否以...开头/结尾；

# 第一个行的“ 黄伟”是以空格开头的
df["姓名"].str.startswith("黄") 
df["英文名"].str.endswith("e")

效果图：

04 count函数

这个函数主要用于计算给定字符在字符串中出现的次数；

df["电话号码"].str.count("3")

效果图：

05 get函数

这个函数主要用于获取指定位置的字符串；

df["姓名"].str.get(-1)
df["身高"].str.split(":")
df["身高"].str.split(":").str.get(0)

效果图：

06 len函数

这个函数主要用于计算字符串长度；

df["性别"].str.len()

效果图：

07 upper、lower函数

这个函数主要用于英文大小写转换；

df["英文名"].str.upper()
df["英文名"].str.lower()

效果图：

08 pad+side参数/center函数

这个函数主要用于在字符串的左边、右边或左右两边添加给定字符；

df["家庭住址"].str.pad(10,fillchar="*")      # 相当于ljust()
df["家庭住址"].str.pad(10,side="right",fillchar="*")    # 相当于rjust()
df["家庭住址"].str.center(10,fillchar="*")

效果图：

09 repeat函数

这个函数主要用于重复字符串几次；

df["性别"].str.repeat(3)

效果图：

10 slice_replace函数

这个函数主要用于使用给定的字符串，替换指定的位置的字符；

df["电话号码"].str.slice_replace(4,8,"*"*4)

效果图：

11 replace函数

这个函数主要用于将指定位置的字符，替换为给定的字符串；

df["身高"].str.replace(":","-")

效果图：

这个函数还接受正则表达式，将指定位置的字符，替换为给定的字符串。

df["收入"].str.replace("\\d+\\.\\d+","正则")

效果图：

12 split方法+expand参数

这个函数主要用于将一列扩展为好几列；

# 普通用法
df["身高"].str.split(":")
# split方法，搭配expand参数
df[["身高描述","final身高"]] = df["身高"].str.split(":",expand=True)
df
# split方法搭配join方法
df["身高"].str.split(":").str.join("?"*5)

效果图：

13 strip、rstrip、lstrip函数

这个函数主要用于去除空白符、换行符；

df["姓名"].str.len()
df["姓名"] = df["姓名"].str.strip()
df["姓名"].str.len()

效果图：

14 findall函数

这个函数主要用于利用正则表达式，去字符串中匹配，返回查找结果的列表；

df["身高"]
df["身高"].str.findall("[a-zA-Z]+")

效果图：

15 extract、extractall函数

这个函数主要用于接受正则表达式，抽取匹配的字符串(一定要加上括号)；

df["身高"].str.extract("([a-zA-Z]+)")
# extractall提取得到复合索引
df["身高"].str.extractall("([a-zA-Z]+)")
# extract搭配expand参数
df["身高"].str.extract("([a-zA-Z]+).*?([a-zA-Z]+)",expand=True)

效果图：

延伸阅读👇