如何用series更新dataframe某列数据
Posted
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了如何用series更新dataframe某列数据相关的知识，希望对你有一定的参考价值。
参考技术A 在对dataframe进行运算的过程中会遇到需要根据其他列的条件来更新当前列的数值这种情况，方式如下：import pandas as pd
df = pd.Dataframe()
def get_c(index1, index2):
if index1 == 1 and index2 ==1:
return 1
return 0
df["A"] = [1, 1, 1, 0, 0, 0, 1]
df["B"] = [0, 1, 1, 0, 0, 1, 1]
df["C"] = [0, 1, 0, 0, 0, 0, 1]
# 若AB均为1，C才为1，其他情况下C必须为0
df["C"] = df.apply(lambda x: get_c(x.A, x.B), axis=1)
print(df["C"].tolist())
# [0, 1, 1, 0, 0, 0, 1]
# 也可以根据此方式新建一列
df["D"] = df.apply(lambda x: get_c(x.B, x.C), axis=1)
复制
还有一些情况是定位到具体位置，然后对该位置的进行赋值/元素替换
Series.str方法
在使用pandas框架的DataFrame的过程中，如果需要处理一些字符串的特性，例如判断某列是否包含一些关键字，某列的字符长度是否小于3等等这种需求，如果掌握str列内置的方法，处理起来会方便很多。
下面我们来详细了解一下，Series类的str自带的方法有哪些。
1、cat() 拼接字符串
例子：
>>> Series([‘a‘, ‘b‘, ‘c‘]).str.cat([‘A‘, ‘B‘, ‘C‘], sep=‘,‘)
0 a,A
1 b,B
2 c,C
dtype: object
>>> Series([‘a‘, ‘b‘, ‘c‘]).str.cat(sep=‘,‘)
‘a,b,c‘
>>> Series([‘a‘, ‘b‘]).str.cat([[‘x‘, ‘y‘], [‘1‘, ‘2‘]], sep=‘,‘)
0 a,x,1
1 b,y,2
dtype: object
2、split() 切分字符串
>>> import numpy,pandas;
>>> s = pandas.Series([‘a_b_c‘, ‘c_d_e‘, numpy.nan, ‘f_g_h‘])
>>> s.str.split(‘_‘)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
>>> s.str.split(‘_‘, -1)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
>>> s.str.split(‘_‘, 0)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
>>> s.str.split(‘_‘, 1)
0 [a, b_c]
1 [c, d_e]
2 NaN
3 [f, g_h]
dtype: object
>>> s.str.split(‘_‘, 2)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
>>> s.str.split(‘_‘, 3)
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
3、get() 获取指定位置的字符串
>>> s.str.get(0)
0 a
1 c
2 NaN
3 f
dtype: object
>>> s.str.get(1)
0 _
1 _
2 NaN
3 _
dtype: object
>>> s.str.get(2)
0 b
1 d
2 NaN
3 g
dtype: object
4、join() 对每个字符都用给点的字符串拼接起来，不常用
>>> s.str.join("!")
0 a!_!b!_!c
1 c!_!d!_!e
2 NaN
3 f!_!g!_!h
dtype: object
>>> s.str.join("?")
0 a?_?b?_?c
1 c?_?d?_?e
2 NaN
3 f?_?g?_?h
dtype: object
>>> s.str.join(".")
0 a._.b._.c
1 c._.d._.e
2 NaN
3 f._.g._.h
dtype: object
5、contains() 是否包含表达式
>>> s.str.contains(‘d‘)
0 False
1 True
2 NaN
3 False
dtype: object
6、replace() 替换
>>> s.str.replace("_", ".")
0 a.b.c
1 c.d.e
2 NaN
3 f.g.h
dtype: object
7、repeat() 重复
>>> s.str.repeat(3)
0 a_b_ca_b_ca_b_c
1 c_d_ec_d_ec_d_e
2 NaN
3 f_g_hf_g_hf_g_h
dtype: object
8、pad() 左右补齐
>>> s.str.pad(10, fillchar="?")
0 ?????a_b_c
1 ?????c_d_e
2 NaN
3 ?????f_g_h
dtype: object
>>>
>>> s.str.pad(10, side="right", fillchar="?")
0 a_b_c?????
1 c_d_e?????
2 NaN
3 f_g_h?????
dtype: object
9、center() 中间补齐，看例子
>>> s.str.center(10, fillchar="?")
0 ??a_b_c???
1 ??c_d_e???
2 NaN
3 ??f_g_h???
dtype: object
10、ljust() 右边补齐，看例子
>>> s.str.ljust(10, fillchar="?")
0 a_b_c?????
1 c_d_e?????
2 NaN
3 f_g_h?????
dtype: object
11、rjust() 左边补齐，看例子
>>> s.str.rjust(10, fillchar="?")
0 ?????a_b_c
1 ?????c_d_e
2 NaN
3 ?????f_g_h
dtype: object
12、zfill() 左边补0
>>> s.str.zfill(10)
0 00000a_b_c
1 00000c_d_e
2 NaN
3 00000f_g_h
dtype: object
13、wrap() 在指定的位置加回车符号
>>> s.str.wrap(3)
0 a_b
_c
1 c_d
_e
2 NaN
3 f_g
_h
dtype: object
14、slice() 按给点的开始结束位置切割字符串
>>> s.str.slice(1,3)
0 _b
1 _d
2 NaN
3 _g
dtype: object
15、slice_replace() 使用给定的字符串，替换指定的位置的字符
>>> s.str.slice_replace(1, 3, "?")
0 a?_c
1 c?_e
2 NaN
3 f?_h
dtype: object
>>> s.str.slice_replace(1, 3, "??")
0 a??_c
1 c??_e
2 NaN
3 f??_h
dtype: object
16、count() 计算给定单词出现的次数
>>> s.str.count("a")
0 1
1 0
2 NaN
3 0
dtype: float64
17、startswith() 判断是否以给定的字符串开头
>>> s.str.startswith("a");
0 True
1 False
2 NaN
3 False
dtype: object
18、endswith() 判断是否以给定的字符串结束
>>> s.str.endswith("e");
0 False
1 True
2 NaN
3 False
dtype: object
19、findall() 查找所有符合正则表达式的字符，以数组形式返回
>>> s.str.findall("[a-z]");
0 [a, b, c]
1 [c, d, e]
2 NaN
3 [f, g, h]
dtype: object
20、match() 检测是否全部匹配给点的字符串或者表达式
>>> s
0 a_b_c
1 c_d_e
2 NaN
3 f_g_h
dtype: object
>>> s.str.match("[d-z]");
0 False
1 False
2 NaN
3 True
dtype: object
21、extract() 抽取匹配的字符串出来，注意要加上括号，把你需要抽取的东西标注上
>>> s.str.extract("([d-z])");
0 NaN
1 d
2 NaN
3 f
dtype: object
22、len() 计算字符串的长度
>>> s.str.len()
0 5
1 5
2 NaN
3 5
dtype: float64
23、strip() 去除前后的空白字符
>>> idx = pandas.Series([‘ jack‘, ‘jill ‘, ‘ jesse ‘, ‘frank‘])
>>> idx.str.strip()
0 jack
1 jill
2 jesse
3 frank
dtype: object
24、rstrip() 去除后面的空白字符
25、lstrip() 去除前面的空白字符
26、partition() 把字符串数组切割称为DataFrame，注意切割只是切割称为三部分，分隔符前，分隔符，分隔符后
27、rpartition() 从右切起
>>> s.str.partition(‘_‘)
0 1 2
0 a _ b_c
1 c _ d_e
2 NaN NaN NaN
3 f _ g_h
>>> s.str.rpartition(‘_‘)
0 1 2
0 a_b _ c
1 c_d _ e
2 NaN NaN NaN
3 f_g _ h
28、lower() 全部小写
29、upper() 全部大写
30、find() 从左边开始，查找给定字符串的所在位置
>>> s.str.find(‘d‘)
0 -1
1 2
2 NaN
3 -1
dtype: float64
31、rfind() 从右边开始，查找给定字符串的所在位置
32、index() 查找给定字符串的位置，注意，如果不存在这个字符串，那么会报错！
33、rindex() 从右边开始查找，给定字符串的位置
>>> s.str.index(‘_‘)
0 1
1 1
2 NaN
3 1
dtype: float64
34、capitalize() 首字符大写
>>> s.str.capitalize()
0 A_b_c
1 C_d_e
2 NaN
3 F_g_h
dtype: object
35、swapcase() 大小写互换
>>> s.str.swapcase()
0 A_B_C
1 C_D_E
2 NaN
3 F_G_H
dtype: object
36、normalize() 序列化数据，数据分析很少用到，咱们就不研究了
37、isalnum() 是否全部是数字和字母组成
>>> s.str.isalnum()
0 False
1 False
2 NaN
3 False
dtype: object
38、isalpha() 是否全部是字母
>>> s.str.isalpha()
0 False
1 False
2 NaN
3 False
dtype: object
39、isdigit() 是否全部都是数字
>>> s.str.isdigit()
0 False
1 False
2 NaN
3 False
dtype: object
40、isspace() 是否空格
>>> s.str.isspace()
0 False
1 False
2 NaN
3 False
dtype: object
41、islower() 是否全部小写
42、isupper() 是否全部大写
>>> s.str.islower()
0 True
1 True
2 NaN
3 True
dtype: object
>>> s.str.isupper()
0 False
1 False
2 NaN
3 False
dtype: object
43、istitle() 是否只有首字母为大写，其他字母为小写
>>> s.str.istitle()
0 False
1 False
2 NaN
3 False
dtype: object
44、isnumeric() 是否是数字
45、isdecimal() 是否全是数字
以上是关于如何用series更新dataframe某列数据的主要内容，如果未能解决你的问题，请参考以下文章
如何用pandas将某列one-hot编码后，修改原dataframe
oracle数据库如何用update批量更新某列数据中的字段