上一节:
下一节:

  Pandas - 处理文本数据

  • 简述

    在本章中，我们将使用基本的系列/索引来讨论字符串操作。在后续章节中，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，可以轻松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）缺失/NaN 值。
    几乎所有这些方法都适用于 Python 字符串函数（请参阅：https://docs.python.org/3/library/stdtypes.html#string-methods ）。因此，将系列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是如何执行的。
    序号 功能说明
    1
    lower()
    将系列/索引中的字符串转换为小写。
    2
    upper()
    将系列/索引中的字符串转换为大写。
    3
    len()
    计算字符串长度（）。
    4
    strip()
    帮助从两侧从系列/索引中的每个字符串中去除空格（包括换行符）。
    5
    split(' ')
    用给定的模式分割每个字符串。
    6
    cat(sep=' ')
    用给定的分隔符连接系列/索引元素。
    7
    get_dummies()
    返回具有 One-Hot 编码值的 DataFrame。
    8
    contains(pattern)
    如果子字符串包含在元素中，则为每个元素返回布尔值 True，否则返回 False。
    9
    replace(a,b)
    替换值a与价值b.
    10
    repeat(value)
    以指定的次数重复每个元素。
    11
    count(pattern)
    返回每个元素中出现模式的计数。
    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 中的元素以模式结尾，则返回 true。
    14
    find(pattern)
    返回模式第一次出现的第一个位置。
    15
    findall(pattern)
    返回所有出现的模式的列表。
    16
    swapcase
    交换外壳下部/上部。
    17
    islower()
    检查系列/索引中每个字符串中的所有字符是否为小写。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为大写。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都是数字。返回布尔值。
    现在让我们创建一个系列，看看上述所有功能是如何工作的。 
    
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()
    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

    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('@','
    它的输出如下 - 
    
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

    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')
    它的输出如下 - 
    
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这种模式。

    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 - 
    
0 []
1 []
2 []
3 [e]
dtype: object
    Null list([ ]) 表示元素中不存在这样的模式。

    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 - 
    
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
)
它的输出如下 - 

                      

                      
repeat(value)

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      
count(pattern)

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      
startswith(pattern)

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      
endswith(pattern)

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      
find(pattern)

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      

                        “-1”表示元素中没有可用的这种模式。
                      

                      
findall(pattern)

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      

                        Null list([ ]) 表示元素中不存在这样的模式。
                      

                      
swapcase()

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      
islower()

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      
isupper()

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                      
isnumeric()

                      

                        

                      

                      

                        它的输出如下 -
                      

                      

                        

                      

                       
                      
                    

                  

                

                

                  

                    上一节: 
                  

                  

                    
                  

                  

                    下一节: