pandas(五) -- 文本处理

文本处理.–使用字符串处理函数
先将pandas的series对象转成strings对象，再使用字符串相关函数。

s = pd.Series(['A','b','C','bbhello','123',np.nan,'hj'])

0          A
1          b
2          C
3    bbhello
4        123
5        NaN
6         hj
dtype: object

print(type(s),type(s.str))

<class 'pandas.core.series.Series'> <class 'pandas.core.strings.StringMethods'>

将series对象转成strings对象后，就可以使用字符串相关的方法了。

1. 计算某个字符出现的次数.count()

s.str.count('b')

0    0.0
1    1.0
2    0.0
3    2.0
4    0.0
5    NaN
6    0.0
dtype: float64

其余方法见：字符串相关方法

2. 列名变为大写df.columns = df.columns.str.upper()
3. .split()中的expand参数

s = pd.Series(['a,b,c','1,2,3',['a,,,c'],np.nan])
print(s)
print(s.str.split(',', expand=True))
print(s.str.split(',', expand=True, n = 1))

s

0    [a, b, c]
1    [1, 2, 3]
2          NaN
3          NaN
dtype: object

s.str.split(',', expand=True)

     0    1    2
0    a    b    c
1    1    2    3
2  NaN  NaN  NaN
3  NaN  NaN  NaN

s.str.split(',', expand=True, n = 1),切分一次，且扩展

     0    1
0    a  b,c
1    1  2,3
2  NaN  NaN
3  NaN  NaN

切片

s.str[0] # 获取s的每条数据的第一个元素，遇NaN跳过

0      A
1      b
2      C
3      b
4      1
5    NaN
6      h
dtype: object