下面看下pandas中字符串類處理函數(shù)吧，內(nèi)容如下所示：
1.英文字母大小寫轉(zhuǎn)換及填充
s = pd.Series(["lower", "CAPITALS", "this is a sentence", "SwApCaSe"])
- 大寫轉(zhuǎn)小寫： s.str.lower()
- 小寫轉(zhuǎn)大寫：s.str.upper()
- 轉(zhuǎn)為新聞標題形式：s.str.title()
- 首字母大寫，其余小寫：s.str.capitalize()
- 將原來的大寫和小寫，分別轉(zhuǎn)為小寫和大寫，即大小寫互換：s.str.swapcase()
- 將文字內(nèi)容用某種字符填充到固定長度，會從兩邊進行填充：s.str.center(4,"*")
- 將文字內(nèi)容用某種字符填充到固定長度，可以設置填充方向(默認為left，可以設置為left,right,both)：s.str.pad(width=10, side=‘right", fillchar="-")
- 將文字內(nèi)容用某種字符填充到固定長度，會從文字的右方進行填充，即原來的字符串在左邊：s.str.ljust(4,"-")
- 將文字內(nèi)容用某種字符填充到固定長度，會從文字的左方進行填充，即原來的字符串在右邊：s.str.rjust(4,"-")
- 將文字內(nèi)容用某種字符按照指定的方向(left,right,both)填充到固定長度: s.str.pad(3,side=‘left",fillchar="*")
- 在字符串前添加0到指定長度：
- s = pd.Series(["-1", ‘1", ‘1000", 10, np.nan])
- s.str.zfill(3)
2.字符串合并與拆分
2.1 多列字符串合并
注意：多列字符串在合并時，推薦使用cat函數(shù)，該函數(shù)是按照索引進行合并的。
s=pd.DataFrame({"col1":["a", "b", np.nan, "d"],"col2":["A", "B", "C", "D"]})
# 1.有一個缺失值的行不進行合并
s["col1"].str.cat([s["col2"]])
# 2.用固定字符(*)替換缺失值，并進行合并
s["col1"].str.cat([s["col2"]],na_rep="*")
# 3.用固定字符(*)替換缺失值，并用分隔符(,)進行合并
s["col1"].str.cat([s["col2"]],na_rep="*",sep=",")
# 4.索引不一致的合并
#創(chuàng)建series
s = pd.Series(["a", "b", np.nan, "d"])
t = pd.Series(["d", "a", "e", "c"], index=[3, 0, 4, 2])
#合并
s.str.cat(t, join="left", na_rep="-")
s.str.cat(t, join="right", na_rep="-")
s.str.cat(t, join="outer", na_rep="-")
s.str.cat(t, join="inner", na_rep="-")
2.2 一列 列表形式的文本合并為一列
s = pd.Series([["lion", "elephant", "zebra"], [1.1, 2.2, 3.3], [
"cat", np.nan, "dog"], ["cow", 4.5, "goat"], ["duck", ["swan", "fish"], "guppy"]])
#以下劃線進行拼接
s.str.join("_")
使用前：
使用后：
2.3 一列字符串與自身合并成為一列
s = pd.Series(["a", "b", "c"]) #指定數(shù)字 s.str.repeat(repeats=2) #指定列表 s.str.repeat(repeats=[1, 2, 3])
使用該函數(shù)后，效果圖分別如下：
2.4 一列字符串拆分為多列
2.4.1 partition函數(shù)
partition函數(shù)，會將某列字符串拆分為3列，其中2列為值，1列為分隔符。
有兩個參數(shù)進行設置，分別為：sep(分隔符，默認為空格)，expand(是否生成dataframe，默認為True)
s = pd.Series(["Linda van der Berg", "George Pitt-Rivers"])
#默認寫法,以空格分割，會以第一個分隔符進行拆分
s.str.partition()
#另一寫法，會以最后一個分隔符進行拆分
s.str.rpartition()
#以固定符號作為分隔符
s.str.partition("-", expand=False)
#拆分索引
idx = pd.Index(["X 123", "Y 999"])
idx.str.partition()
2.4.2 split函數(shù)
split函數(shù)會按照分隔符拆分為多個值。
參數(shù)：
pat(分隔符，默認為空格);
n(限制分隔的輸出，即查找?guī)讉€分隔符，默認-1，表示全部);
expend(是否生成dataframe，默認為False)。
s = pd.Series(["this is a regular sentence","https://docs.python.org/3/tutorial/index.html",np.nan]) #1.默認按照空格進行拆分 s.str.split() #2.按照空格進行拆分，并限制2個分隔符的輸出 s.str.split(n=2) #3.以指定符號拆分，并生成新的dataframe s.str.split(pat = "/",expend=True) #4.使用正則表達式來進行拆分，并生成新的dataframe s = pd.Series(["1+1=2"]) s.str.split(r"+|=", expand=True)
2.4.3 rsplit函數(shù)
如果不設置n的值，rsplit和split效果是相同的。區(qū)別是，split是從開始進行限制，rsplit是從末尾進行限制。
s = pd.Series(["this is a regular sentence","https://docs.python.org/3/tutorial/index.html",np.nan]) #區(qū)別于split s.str.rsplit(n=2)
3.字符串統(tǒng)計
3.1 統(tǒng)計某列字符串中包含某個字符串的個數(shù)
s = pd.Series(["dog", "", 5,{"foo" : "bar"},[2, 3, 5, 7],("one", "two", "three")])
s.str.len()
3.2 統(tǒng)計字符串長度
s = pd.Series(["dog", "", 5,{"foo" : "bar"},[2, 3, 5, 7],("one", "two", "three")])
s.str.len()
效果圖如下：
4.字符串內(nèi)容查找(包含正則)
4.1 extract
可通過正則表達式來提取指定內(nèi)容，小括號內(nèi)的會生成一列
s = pd.Series(["a1", "b2", "c3"]) #按照小括號內(nèi)的進行提取，生成兩列 s.str.extract(r"([ab])(d)") #加上問號后，如果有一個匹配不上，還可以繼續(xù)匹配 s.str.extract(r"([ab])?(d)") #可以對生成的新列進行重命名 s.str.extract(r"(?P<letter>[ab])(?P<digit>d)") #生成1列 s.str.extract(r"[ab](d)", expand=True)
4.2 extractall
區(qū)別于extract，該函數(shù)可以提取所有符合條件的元素
s = pd.Series(["a1a2", "b1", "c1"], index=["A", "B", "C"]) #提取所有符合條件的數(shù)字,結(jié)果為多重索引1列 s.str.extractall(r"[ab](d)") #提取符合條件的數(shù)字，并重命名，結(jié)果為多重索引1列 s.str.extractall(r"[ab](?P<digit>d)") #提取符合條件的a、b和數(shù)字，結(jié)果為多重索引多列 s.str.extractall(r"(?P<letter>[ab])(?P<digit>d)") #提取符合條件的a、b和數(shù)字，添加問號后，一個匹配不上可以繼續(xù)向后匹配，結(jié)果為多重索引多列 s.str.extractall(r"(?P<letter>[ab])?(?P<digit>d)")
4.3 find
查詢固定字符串在目標字符串中的最小索引。
若需要查詢的字符串未出現(xiàn)在目標字符串中，則顯示為-1
s = pd.Series(["appoint", "price", "sleep","amount"])
s.str.find("p")
顯示結(jié)果如下:
4.4 rfind
查詢固定字符串在目標字符串中的最大索引。
若需要查詢的字符串未出現(xiàn)在目標字符串中，則顯示為-1。
s = pd.Series(["appoint", "price", "sleep","amount"])
s.str.rfind("p",start=1)
查詢結(jié)果如下：
4.5 findall
查找系列/索引中所有出現(xiàn)的模式或正則表達式
s = pd.Series(["appoint", "price", "sleep","amount"]) s.str.findall(r"[ac]")
顯示結(jié)果如下：
4.6 get
從列表、元組或字符串中的每個元素中提取元素的系列/索引。
s = pd.Series(["String",
(1, 2, 3),
["a", "b", "c"],
123,
-456,
{1: "Hello", "2": "World"}])
s.str.get(1)
效果如下圖：
4.7 match
確定每個字符串是否與參數(shù)中的正則表達式匹配。
s = pd.Series(["appoint", "price", "sleep","amount"])
s.str.match("^[ap].*t")
匹配效果圖如下：
5.字符串邏輯判斷
5.1 contains函數(shù)
測試模式或正則表達式是否包含在系列或索引的字符串中。
參數(shù)：
pat，字符串或正則表達式；
case，是否區(qū)分大小寫，默認為True,即區(qū)分大小寫；
flags，是否傳遞到re模塊，默認為0;
na，對缺失值的處理方法，默認為nan;
regex，是否將pat參數(shù)當作正則表達式來處理，默認為True。
s = pd.Series(["APpoint", "Price", "cap","approve",123])
s.str.contains("ap",case=True,na=False,regex=False)
效果圖如下：
5.2 endswith函數(shù)
測試每個字符串元素的結(jié)尾是否與字符串匹配。
s = pd.Series(["APpoint", "Price", "cap","approve",123])
s.str.endswith("e")
匹配結(jié)果如下：
處理nan值
s = pd.Series(["APpoint", "Price", "cap","approve",123])
s.str.endswith("e",na=False)
效果如下：
5.3 startswith函數(shù)
測試每個字符串元素的開頭是否與字符串匹配。
s = pd.Series(["APpoint", "Price", "cap","approve",123])
s.str.startswith("a",na=False)
匹配如下:
5.4 isalnum函數(shù)
檢查每個字符串中的所有字符是否都是字母數(shù)字。
s1 = pd.Series(["one", "one1", "1", ""]) s1.str.isalnum()
效果如下：
5.5 isalpha函數(shù)
檢查每個字符串中的所有字符是否都是字母。
s1 = pd.Series(["one", "one1", "1", ""]) s1.str.isalpha()
效果如下：
5.6 isdecimal函數(shù)
檢查每個字符串中的所有字符是否都是十進制的。
s1 = pd.Series(["one", "one1", "1",""]) s1.str.isdecimal()
效果如下：
5.7 isdigit函數(shù)
檢查每個字符串中的所有字符是否都是數(shù)字。
s1 = pd.Series(["one", "one1", "1",""]) s1.str.isdigit()
效果如下：
5.8 islower函數(shù)
檢查每個字符串中的所有字符是否都是小寫。
s1 = pd.Series(["one", "one1", "1",""]) s1.str.islower()
效果如下：
5.9 isnumeric函數(shù)
檢查每個字符串中的所有字符是否都是數(shù)字。
s1 = pd.Series(["one", "one1", "1","","3.6"]) s1.str.isnumeric()
效果如下：
5.10 isspace函數(shù)
檢查每個字符串中的所有字符是否都是空格。
s1 = pd.Series([" one", " ","1", ""," "]) s1.str.isspace()
效果如下：
5.11 istitle函數(shù)
檢查每個字符串中的所有字符是否都是標題形式的大小寫。
s1 = pd.Series(["leopard", "Golden Eagle", "SNAKE", ""]) s1.str.istitle()
效果如下：
5.12 isupper函數(shù)
檢查每個字符串中的所有字符是否都是大寫。
s1 = pd.Series(["leopard", "Golden Eagle", "SNAKE", ""]) s1.str.isupper()
效果如下：
5.13 get_dummies函數(shù)
按 sep 拆分系列中的每個字符串并返回一個 虛擬/指標變量的dataframe。
s1 = pd.Series(["leopard", "Golden Eagle", "SNAKE", ""]) s1.str.get_dummies()
效果如下：
該函數(shù)還可以進行此類匹配，注意輸入的形式
s1=pd.Series(["a|b", np.nan, "a|c"]) s1.str.get_dummies()
效果如下：
6.其他
6.1 strip
刪除前導和尾隨字符。
s1 = pd.Series(["1. Ant. ", "2. Bee! ", "3. Cat? ", np.nan]) s1.str.strip()
效果如下：
6.2 lstrip
刪除系列/索引中的前導字符。
6.3 rstrip
刪除系列/索引中的尾隨字符。
到此這篇關于pandas中對于文本類型數(shù)據(jù)的處理匯總的文章就介紹到這了,更多相關pandas文本類型數(shù)據(jù)處理內(nèi)容請搜索服務器之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持服務器之家！
原文鏈接：https://blog.csdn.net/qq_41780234/article/details/120727900
