更新可能会迟到,但不会缺席~~~
这篇博客写一下Pandas处理文本数据的方法
Pandas针对字符串配备了一系列的方法,使其易于对数组的每个元素进行操作
(1)通过str访问
s = pd.Series(['A','b','C','bbhello','123',np.nan,'hj'])#创建Series数据
df = pd.DataFrame({'key1':list('abcdef'),
'key2':['hee','fv','w','hija','123',np.nan]})#创建Dataframe数据
print(s)
print(df)
输出结果:
直接通过 .str 调用字符串方法,自动过滤NaN值,可以对Series和Dataframe数据使用
print(s.str.count('b'))#计算Series中‘b’的数量
print(df['key2'].str.upper())#将所有字母大写
输出结果:
(2)字符串常用方法1
s = pd.Series(['A','b','bbhello','123',np.nan])
print(s.str.lower(),'→ lower小写\n')
print(s.str.upper(),'→ upper大写\n')
print(s.str.len(),'→ len字符长度\n')
print(s.str.startswith('b'),'→ 判断起始是否为a\n')
print(s.str.endswith('3'),'→ 判断结束是否为3\n')
这里就是一些字符串常用的基础的方法
输出结果:
(3)字符串常用方法2
s = pd.Series([' jack', 'jill ', ' jesse ', 'frank'])
df = pd.DataFrame(np.random.randn(3, 2), columns=[' Column A ', ' Column B '],
index=range(3))
print(s)
print(df)
print('-----')
print(s.str.strip()) # 去除字符串中的空格
print(s.str.lstrip()) # 去除字符串中的左空格
print(s.str.rstrip()) # 去除字符串中的右空格
df.columns = df.columns.str.strip()
print(df)
# 这里去掉了columns的前后空格,但没有去掉中间空格
输出结果:
(4)字符串常用方法3-replace
df = pd.DataFrame(np.random.randn(3, 2), columns=[' Column A ', ' Column B '],
index=range(3))
df.columns = df.columns.str.replace(' ','-')
print(df)
# 替换
df.columns = df.columns.str.replace('-','hehe',n=1)
print(df)
# n:替换个数
输出结果:
这个替换方法还是很有必要学一下的
(5)字符串常用方法4–split、rsplit
s = pd.Series(['a,b,c','1,2,3',['a,,,c'],np.nan])#创建Series
print(s.str.split(','))
输出结果:
直接索引得到一个list
print(s.str.split(',')[0])
输出结果:
通过使用get或 [ ] 符号拆分列表中的元素
print(s.str.split(',').str[0])
print(s.str.split(',').str.get(1))
输出结果:
使用expand参数扩展操作以返回Dataframe,n参数限制分割数,rsplit类似于split,反向工作,即从字符串的末尾到字符串的开头
print(s.str.split(',', expand=True))
print(s.str.split(',', expand=True, n = 1))
print(s.str.rsplit(',', expand=True, n = 1))
输出结果:
Dataframe中使用split
df = pd.DataFrame({'key1':['a,b,c','1,2,3',[':,., ']],
'key2':['a-b-c','1-2-3',[':-.- ']]})
print(df['key2'].str.split('-'))
输出结果:
(5)字符串索引
s = pd.Series(['A','b','C','bbhello','123',np.nan,'hj'])
df = pd.DataFrame({'key1':list('abcdef'),
'key2':['hee','fv','w','hija','123',np.nan]})
print(s.str[0]) # 取第一个字符串
print(s.str[:2]) # 取前两个字符串
print(df['key2'].str[0])
# str之后和字符串本身索引方式相同
输出结果: