Pandas | 11 字符串函数

Posted summer-skr--blog

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Pandas | 11 字符串函数相关的知识,希望对你有一定的参考价值。

在本章中,我们将使用基本系列/索引来讨论字符串操作。在随后的章节中,将学习如何将这些字符串函数应用于数据帧(DataFrame)。

Pandas提供了一组字符串函数,可以方便地对字符串数据进行操作。 最重要的是,这些函数忽略(或排除)丢失/NaN值。

几乎这些方法都使用Python字符串函数(请参阅: http://docs.python.org/3/library/stdtypes.html#string-methods )。 因此,将Series对象转换为String对象,然后执行该操作。

下面来看看每个操作的执行和说明。

编号函数描述
1 lower() Series/Index中的字符串转换为小写。
2 upper() Series/Index中的字符串转换为大写。
3 len() 计算字符串长度。
4 strip() 帮助从两侧的系列/索引中的每个字符串中删除空格(包括换行符)。
5 split(‘ ‘) 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系列/索引元素。
7 get_dummies() 返回具有单热编码值的数据帧(DataFrame)。
8 contains(pattern) 如果元素中包含子字符串,则返回每个元素的布尔值True,否则为False
9 replace(a,b) 将值a替换为值b
10 repeat(value) 重复每个元素指定的次数。
11 count(pattern) 返回模式中每个元素的出现总数。
12 startswith(pattern) 如果系列/索引中的元素以模式开始,则返回true
13 endswith(pattern) 如果系列/索引中的元素以模式结束,则返回true
14 find(pattern) 返回模式第一次出现的位置。
15 findall(pattern) 返回模式的所有出现的列表。
16 swapcase 变换字母大小写。
17 islower() 检查系列/索引中每个字符串中的所有字符是否小写,返回布尔值
18 isupper() 检查系列/索引中每个字符串中的所有字符是否大写,返回布尔值
19 isnumeric() 检查系列/索引中每个字符串中的所有字符是否为数字,返回布尔值。

现在创建一个系列,看看上述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,SteveMinsu])
print (s)

输出结果:

0             Tom
1    William Rick
2            John
3         Alber@t
4             NaN
5            1234
6      SteveMinsu
dtype: object
 

1. lower()函数示例

import pandas as pd
import numpy as np

s = pd.Series([Tom, William Rick, John, Alber@t, np.nan, 1234,SteveMinsu])
print (s.str.lower())
输出结果:
0             tom
1    william rick
2            john
3         alber@t
4             NaN
5            1234
6      steveminsu
dtype: object
 

2. upper()函数示例

import pandas as pd
import numpy as np

s = pd.Series([Tom, William Rick, John, Alber@t, np.nan, 1234,SteveMinsu])
print (s.str.upper())

输出结果:

0             TOM
1    WILLIAM RICK
2            JOHN
3         ALBER@T
4             NaN
5            1234
6      STEVESMITH
dtype: object
 

3. len()函数示例

import pandas as pd
import numpy as np

s = pd.Series([Tom, William Rick, John, Alber@t, np.nan, 1234,SteveMinsu])
print (s.str.len())
输出结果:
0     3.0
1    12.0
2     4.0
3     7.0
4     NaN
5     4.0
6    10.0
dtype: float64
 

4. strip()函数示例

import pandas as pd
import numpy as np
s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s)
print(
)

print ("=========== After Stripping ================")
print (s.str.strip())

输出结果:

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
 

5. split(pattern)函数示例

import pandas as pd

s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s)
print(
)

print ("================= Split Pattern: ==================")
print (s.str.split( ))

输出结果:

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
 

6. cat(sep=pattern)函数示例

  查看时候的分隔符

import pandas as pd
import numpy as np

s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s.str.cat(sep= <=> ))

输出结果:

Tom  <=>  William Rick <=> John <=> Alber@t
 

7. get_dummies()函数示例

import pandas as pd
import numpy as np

s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s.str.get_dummies())

输出结果:

    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
 

8. contains()函数示例

import pandas as pd

s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s.str.contains( ))

输出结果:

0     True
1     True
2    False
3    False
dtype: bool
 

9. replace(a,b)函数示例

import pandas as pd
s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s)
print(
)

print ("After replacing @ with $: ============== ")
print (s.str.replace(@,$))

输出结果:

0             Tom 
1     William Rick
2             John
3          Alber@t
dtype: object
After replacing @ with $: ============== 0 Tom 1 William Rick 2 John 3 Alber$t dtype: object
 

10. repeat(value)函数示例

import pandas as pd

s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s.str.repeat(2))

输出结果:

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

11. count(pattern)函数示例

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))

输出结果:

The number of ‘m‘s in each string:
0    1
1    1
2    0
3    0
dtype: int64
 

12. startswith(pattern)函数示例

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:

Strings that start with ‘T‘:
0     True
1    False
2    False
3    False
dtype: bool
 

13. endswith(pattern)函数示例

import pandas as pd

s = pd.Series([Tom ,  William Rick, John, Alber@t])
print ("Strings that end with ‘t‘:")
print (s.str.endswith(t))

输出结果:

Strings that end with ‘t‘:
0    False
1    False
2    False
3     True
dtype: bool
 

14. find(pattern)函数示例

import pandas as pd

s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s.str.find(e))

输出结果:

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

注意:-1表示元素中没有这样的模式可用。

15. findall(pattern)函数示例

import pandas as pd

s = pd.Series([Tom ,  William Rick, John, Alber@t])
print (s.str.findall(e))

输出结果:

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

空列表([])表示元素中没有这样的模式可用。

16. swapcase()函数示例

import pandas as pd

s = pd.Series([Tom, William Rick, John, Alber@t])
print (s.str.swapcase())

输出结果:

0             tOM
1    wILLIAM rICK
2            jOHN
3         aLBER@T
dtype: object
 

17. islower()函数示例

import pandas as pd

s = pd.Series([Tom, William Rick, John, Alber@t])
print (s.str.islower())

输出结果:

0    False
1    False
2    False
3    False
dtype: bool
 

18. isupper()函数示例

import pandas as pd

s = pd.Series([TOM, William Rick, John, Alber@t])
print (s.str.isupper())

输出结果:

0    True
1    False
2    False
3    False
dtype: bool
 

19. isnumeric()函数示例

import pandas as pd

s = pd.Series([Tom, 1199,William Rick, John, Alber@t])
print (s.str.isnumeric())

输出结果:

0    False
1     True
2    False
3    False
4    False
dtype: bool




以上是关于Pandas | 11 字符串函数的主要内容,如果未能解决你的问题,请参考以下文章

pandas GroupBy上的方法apply:一般性的“拆分-应用-合并”

在 Visual Studio 中创建构造函数的代码片段或快捷方式

python pandas multiindex片段

21个常用代码片段

PySpark 中是不是有与 Pandas 聚合函数 any() 等效的函数?

Ace Editor 手动添加片段