Pandas清洗函数

cat()：字串拼接

import pandas as pd
df={'name':['Rose','Joy','Mike'},
    'address':['Landon','Newyork','Paris'],
    'height':['mid:176cm_middle','low:169cm_lowest','high:180_highest'],
    'salary':['2,300dollar','3,200dollar','5,800dollar']}
df=pd.DataFrame(df)
df['name'].str.cat(df['address'],dep=':'+'-'*2

contains()：包含

df['address'].str.contains('L')

startswith(),endswith(): 开始包含，结尾包含，用法同上

count(): 计算字串中字符个数，用法同上

get(): 得到指定位置的子串

df['height'].str.split(":").str.get(1)

len(): 计算字串长度

upper,lower大小写转换

pad,center: 指定位置添加字符：

df['address'].str.pad(3,side="left",fillchar='#')   #同ljust
df['address'].str.pad(3,side="right",fillchar='#')   #同rjust
df['address'].str.center(3,fillchar='#') 

repeat:重复子串若干次

slice_replace:替换指定位置字符

replace:替换指定字符

df['salary'].str.replace("\d+\.\d+","$")

split+expand:扩展数据列

df[["height_1","height_f"]]=df["height"].str.split(":",expand=True)

split+join :分隔后以特定字符连接子串

df["height"].str.split(":").str.join("#"*3)

strip,ltrip,rtrip:去除空格、回车符

findall:用正则匹配字符串

df["height"].str.findall("[a-zA-Z]+")

extract,extractall:用正则抽取匹配的字串.注意加上括号

df["height"].str.extract("([a-zA-Z]+)")
df["height"].str.extractall("([a-zA-Z]+)") #取得复合的索引
df["height"].str.extract("([a-zA-Z]+).*?([a-zA-Z]+)",expand=True)