Pandas【字符串函数】

最新推荐文章于 2024-08-14 17:18:35 发布

Henry_Zhao10

最新推荐文章于 2024-08-14 17:18:35 发布

阅读量90

点赞数

分类专栏： Pandas 文章标签： pandas python 正则表达式

本文链接：https://blog.csdn.net/Henry_Zhao10/article/details/132081214

版权

Pandas 专栏收录该内容

2 篇文章 0 订阅

订阅专栏

无效的推文

题目来源：1683. 无效的推文 - 力扣（LeetCode）

题目：

Tweets表：

查询所有无效推文的编号（ID）。当推文内容中的字符数严格大于 15 时，该推文是无效的。

以任意顺序返回结果表。

查询结果格式如下所示：

示例：

题解：

参考：1683. 无效的推文 - 力扣（LeetCode）

使用行过滤的方法，找出content长度大于15行，对于DataFrame可以使用str.len()方法来计算字符串的长度

import pandas as pd

def invalid_tweets(tweets: pd.DataFrame) -> pd.DataFrame:
    is_valid = tweets['content'].str.len() > 15
    df = tweets[is_valid]
    return df[['tweet_id']]

计算特殊奖金

题目来源：1873. 计算特殊奖金 - 力扣（LeetCode）

题目：

Employees表：

计算每个雇员的奖金。如果一个雇员的 id 是奇数并且他的名字不是以 'M' 开头，那么他的奖金是他工资的 100% ，否则奖金为 0 。

返回的结果按照 employee_id 排序。

返回结果格式如下面的例子所示。

示例：

题解：

参考：1873. 计算特殊奖金 - 力扣（LeetCode）

这里使用if-else进行判断即可

bonus = salary if (id % 1 and not name.startwith('M')) else 0

可以使用循环逐一迭代DataFrame中的每一行

但Python还提供了一种更优雅且更高效的方法，称为"向量化"，它使用 apply() 方法。向量化利用 Pandas 中的底层优化，使我们能够一次对整个列或行应用操作，从而实现更快、更简洁的代码。

通过一个自定义的函数来计算奖金，并利用带有axis=1参数的apply()，表示按行处理。

employees['bonus'] = employees.apply(
    lambda x: x['salary'] if x['employee_id'] % 2 and not x['name'].startswith('M') else 0, 
    axis=1
)

然后选择指定行，并按照employee_id升序排列即可

import pandas as pd

def calculate_special_bonus(employees: pd.DataFrame) -> pd.DataFrame:
    employees['bonus'] = employees.apply(
        lambda x: x['salary'] if x['employee_id'] % 2 and not x['name'].startswith('M') else 0,
        axis = 1
    )

    df = employees[['employee_id', 'bonus']].sort_values('employee_id')
    return df

修复表中的名字

题目来源：1667. 修复表中的名字 - 力扣（LeetCode）

题目：

Users表：

修复名字，使得只有第一个字符是大写的，其余都是小写的。

返回按 user_id 排序的结果表。

返回结果格式示例如下。

示例：

题解：

参考：1667. 修复表中的名字 - 力扣（LeetCode）

方法一：

使用str中的title()方法，将第一个字母大写，其余均为小写

import pandas as pd

def fix_names(users: pd.DataFrame) -> pd.DataFrame:
    users['name'] = users['name'].str.title()
    return users.sort_values('user_id')

方法二：

Pandas的.str 访问器方法本质上是 Series 和 Index 对象的矢量化字符串函数。这意味着我们可以将字符串函数应用于 Series 或 Index 中的每个元素，而不必单独循环每个元素，从而产生更快、更简洁的代码。

**注意：**当在链式表达式中使用多个 Pandas .str 访问器方法时，请确保在每个特定字符串函数之前使用 .str 访问器。例如，users["name"].str[1:].str.lower() 是正确的，而 users["name"].str[1:].lower() 则不正确，因为它缺少 .lower() 方法之前的第二个 .str 访问器。

import pandas as pd

def fix_names(users: pd.DataFrame) -> pd.DataFrame:
    users['name'] = users['name'].str[0].str.upper() + users['name'].str[1:].str.lower()
    return users.sort_values('user_id')

查找拥有有效邮箱的客户

题目来源：1517. 查找拥有有效邮箱的用户 - 力扣（LeetCode）

题目：

Users表：

查询拥有有效邮箱的用户。

有效的邮箱包含符合下列条件的前缀名和域名：

前缀名是包含字母（大写或小写）、数字、下划线 '_'、句点 '.' 和/或横杠 '-' 的字符串。前缀名必须以字母开头。
域名是 '@leetcode.com' 。

按任意顺序返回结果表。

查询格式如下所示。

示例：

题解：

参考：1517. 查找拥有有效邮箱的用户 - 力扣（LeetCode）

一般来说，如果你被要求匹配一个字符串，应该最先想到写一个正则表达式模式进行匹配。

正则表达式提供各种功能，以下是一些相关功能：

^：表示一个字符串或行的开头
[a-z]：表示一个字符范围，匹配从 a 到 z 的任何字符。

[0-9]：表示一个字符范围，匹配从 0 到 9 的任何字符。
[a-zA-Z]：这个变量匹配从 a 到 z 或 A 到 Z 的任何字符。请注意，你可以在方括号内指定的字符范围的数量没有限制，您可以添加想要匹配的其他字符或范围。
[^a-z]：这个变量匹配不在 a 到 z 范围内的任何字符。请注意，字符 ^ 用来否定字符范围，它在方括号内的含义与它的方括号外表示开始的含义不同。

[a-z]*：表示一个字符范围，匹配从 a 到 z 的任何字符 0 次或多次。
[a-z]+：表示一个字符范围，匹配从 a 到 z 的任何字符 1 次或多次。
.：匹配任意一个字符。
\.：表示句点字符。请注意，反斜杠用于转义句点字符，因为句点字符在正则表达式中具有特殊含义。还要注意，在许多语言中，你需要转义反斜杠本身，因此需要使用\.。
$：表示一个字符串或行的结尾。

核心思想是将 name 列的第一个字符从其余字符分开，相应地改变它们的大小写，最后把他们拼回在一起。

import pandas as pd

def valid_emails(users: pd.DataFrame) -> pd.DataFrame:
    # 注意我们如何使用原始字符串(在前面放一个‘r’)来避免必须转义反斜杠
    # 还要注意，我们对`@`字符进行了转义，因为它在某些正则表达式中具有特殊意义
    return users[users["mail"].str.match(r"^[a-zA-Z][a-zA-Z0-9_.-]*\@leetcode\.com$")]

患某种疾病的患者

题目来源：1527. 患某种疾病的患者 - 力扣（LeetCode）

题目：

Patients表

查询患有 I 类糖尿病的患者 ID （patient_id）、患者姓名（patient_name）以及其患有的所有疾病代码（conditions）。I 类糖尿病的代码总是包含前缀 DIAB1 。

按 任意顺序 返回结果表。

查询结果格式如下示例所示。

示例：

题解：

参考：1527. 患某种疾病的患者 - 力扣（LeetCode）

符合条件的大致包含两种情况：

条件代码以 "DIAB1" 开头。
条件代码包含 " DIAB1"，即有一个空格在前。

import pandas as pd

def find_patients(patients: pd.DataFrame) -> pd.DataFrame:
    return patients[patients["conditions"].str.startswith("DIAB1") | patients["conditions"].str.contains(" DIAB1", regex=False)]