Series字符串处理方法--Pandas

字符串处理只能在Series上进行，不可以在DataFrame上操作，只能对字符串进行处理，不能对整数、日期进行处理

1. 元素统计

1.1 str.count()

1.1.1 函数功能

统计Series中每个元素中包含pat的次数

1.1.2 函数语法

Series.str.count(pat, flags=0)

1.1.3 函数参数

参数	含义
pat	表达式

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\order.xlsx')
print(order)
print(order['订单编号'].str.count(pat='0'))

1.2 str.len()

1.2.1 函数功能

统计Series中每个元素的长度

1.2.2 函数语法

Series.str.len()

print(order['支付方式'].str.len())

2. 字符串内容判断

2.1 str.contains()

2.1.1 函数功能

检测Series或Index的每个元素中是否包含指定内容，返回结果为布尔值构成的Series或Index

2.1.2 函数语法

Series.str.contains(pat, case=True, flags=0, na=None, regex=True)

2.1.3 函数参数

参数	含义
pat	要查找的内容
case	布尔值，是否区分大小写，默认True:区分
flags	整数，默认值为0
na	标量，可选参数，对缺失值进行填充
regex	布尔值，默认值为True：以正则表达式看待pat中的内容，否则以普通字符串看待

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\order.xlsx')
print(order)
print(order['所属行业'].str.contains('计算机'))

对缺失值以“unknown"填充

print(order['所属行业'].str.contains('计算机',na='unknown'))

2.2 str.endswith()

2.2.1 函数功能

检测Series中的每个元素或索引是否以指定内容结尾，返回值为布尔值组成的Series或者Index

2.2.2 函数语法

Series.str.endswith(pat, na=None)

2.2.3 函数参数

参数	含义
pat	查找内容，可以是字符串或者字符串组成的元组，不接收正则表达式
na	缺失值返回内容，默认NaN

print(order['公司规模'].str.endswith('500人'))

包含空字符串时，认为空字符串中不包含指定内容，设置na=False

order.loc[4,'公司规模']=np.nan
print(order)
print(order['公司规模'].str.endswith('500人',na=False))

2.3 startswith()

2.3.1 函数功能

检测Series中的每个元素或索引是否以指定内容开始，返回值为布尔值组成的Series或者Index

2.3.2 函数语法

Series.str.startswith(pat, na=None)

2.3.3 函数参数

参数	含义
pat	查找内容，可以是字符串或者字符串组成的元组，不接收正则表达式
na	缺失值返回内容，默认NaN

2.4 str.match()

2.3.1 函数功能

检测Series中的每个元素或索引是否以指定内容开始，返回值为布尔值组成的Series或者Index

2.3.2 函数语法

Series.str.match(pat, na=None)

2.3.3 函数参数

参数	含义
pat	要查找的内容，格式为正则表达式
case	布尔值，是否区分大小写，默认True:区分
flags	整数，默认值为0
na	标量，可选参数，对缺失值进行填充

str.startwith()与str.match()都可以检测Serie或者Series的Index是否以指定内容开始，凡是str.match()支持正则表达式，适用范围更广。

3.字符串替换

3.1 str.replace()

3.1.1 函数功能

替换指定内容

3.1.2 函数语法

Series.str.replace(pat, repl, n=- 1, case=None, flags=0, regex=False)

3.1.3 函数参数

参数	含义
pat	要查找的内容，字符串或正则表达式
repl	要替换为的字符串或可迭代对象
n	整数，进行替换操作的数量，默认为-1：替换所有
case	布尔值，是否区分大小写，默认True:区分
flags	整数，默认值为0
regex	布尔值，传入的pat是否是正则表达式，默认取值为False：不是正则表达式

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\order.xlsx')
print(order.head())
print(order['获取日期'].str.replace('-', ''))
# 将\d+视为正则表达式而不是普通字符
print(order['职位id'].astype(str).str.replace('\d+', '职位', regex='True'))

4. 字符串拼接

4.1 str.join()

4.1.1 函数功能

将Series或Index中的每个元素通过指定符号连接起来，当元素中有非字符串对象时，最终结果将为NaN

4.1.2 函数语法

Series.str.join(sep)[source]

4.1.3 函数参数

参数	含义
sep	连接符号

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\order.xlsx')

print(order.head())
print(order['学历要求'].str.join('*'))

4.2 str.cat()

4.2.1 函数功能

用指定的分隔符连接Series或者Index中的元素。当指定others，将Series或者Index与others中的元素连接；否则将Series或者Index中的元素连接为一个字符串。

4.2.2 函数语法

Series.str.cat(others=None, sep=None, na_rep=None, join='left')

4.2.3 函数参数

参数	含义
others	取值为Series、Index、DataFrane、np.array或者list-like
sep	字符串，默认为：‘’：空字符串
na_rep	字符串或者None，默认为None，对缺失值的处理：当na_rep为None且当others没有时，连接结果将会忽略缺失值；如果na_rep为None，但是others有值，结果中将保留缺失值
join	决定Series或Index与others之间的连接方式，默认为left:左连接

others为None，将Series中的元素连接为一个字符串

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\order.xlsx')

print(order.head())
print(order['学历要求'].str.cat(sep='*'))

others存在，将Series与others中的值对应连接

print(order['学历要求'].str.cat(others=order['公司规模'], sep='*'))

有others参数

print(order['学历要求'].str.cat(others=['学生']*len(order),sep='*'))

order：

5. 字符串查找：返回索引

5.1 str.find()

5.1 函数功能

查找指定字符串，返回第一次出现的索引，没有找到则返回-1

5.2 函数语法

Series.str.find(sub, start=0, end=None)

5.3 函数参数

参数	含义
sub	要查找的字符串
start	开始查找的位置
end	结束查找的位置

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\order.xlsx')

print(order)
print([order['职位名称'].str.find('开发')])

print([order['职位名称'].str.find('开发',start=5)])

5.2 str.findall()

5.2.1 函数功能

返回子字符串的列表

5.2.2 函数语法

Series.str.findall(pat, flags=0)

5.2.3 函数参数

参数	含义
pat	要匹配的字符串或正则表达式
flags	正则表达式标志

print([order['职位名称'].str.findall('开发工程师')])

6. 指定字符串删除

6.1 str.strip()

6.1.1 函数功能

删除Series中每个字符串两边的空格（\t）和换行符(\n)，也可以指定删除的字符串

6.1.2 函数语法

Series.str.strip(to_strip=None)

6.1.3 函数参数

参数	含义
to_strip	指定要去掉的字符串集合，集合中的所有字符串组成的集合都将被去除

order = pd.read_excel('C:\\Users\\changyanhua\\Desktop\\stp.xlsx')

print(order)
print([order['dishes_name'].str.strip()])

类似的还有str.lstrip()：删除左边的指定字符；str.rstrip()：删除右边的指定字符