【Pandas驯化-09】一文搞懂Pandas中字符串用法extract、zfill、isdigit

【Pandas驯化-09】一文搞懂Pandas中字符串用法extract、zfill、isdigit
 
本次修炼方法请往下查看

🌈 欢迎莅临我的个人主页 👈这里是我工作、学习、实践 IT领域、真诚分享 踩坑集合，智慧小天地！
🎇 免费获取相关内容文档关注：微信公众号，发送 pandas 即可获取
🎇 相关内容视频讲解 B站

🎓 博主简介：AI算法驯化师，混迹多个大厂搜索、推荐、广告、数据分析、数据挖掘岗位 个人申请专利40+，熟练掌握机器、深度学习等各类应用算法原理和项目实战经验。

🔧 技术专长： 在机器学习、搜索、广告、推荐、CV、NLP、多模态、数据分析等算法相关领域有丰富的项目实战经验。已累计为求职、科研、学习等需求提供近千次有偿|无偿定制化服务，助力多位小伙伴在学习、求职、工作上少走弯路、提高效率，近一年好评率100% 。

📝 博客风采： 积极分享关于机器学习、深度学习、数据分析、NLP、PyTorch、Python、Linux、工作、项目总结相关的实用内容。

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

下滑查看解决方法

 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

  

🎯 1. 基本介绍

  Pandas 提供了一个非常强大的字符串处理功能，通过 str 访问器，可以对 Series 或 DataFrame 中的字符串类型列进行各种操作，如大小写转换、字符串分割、正则表达式匹配、检查字符串内容、计数、搜索、长度获取、正则提取以及补零操作。这些操作使得文本数据的处理变得简单而高效。

💡 2. 使用方法

  对于本文中的函数的使用前提就是这列的数据格式为str类型，如果不是该类型，需要将其转化为str类型即可，具体的做法为：

    df['cols'] = df['cols'].astype('str')

2.1 大小写转换lower

  使用 str.lower() 和 str.upper() 进行大小写转换。。以下是一个基本的使用示例：

import pandas as pd

# 创建包含字符串的 DataFrame
df = pd.DataFrame({
    'Name': ['alice', 'bob', 'charlie'],
    'Email': ['alice@example.com', 'bob@example.com', 'charlie@example.com'],
    'Text': ['hello world', 'HELLO WORLD', 'Hello PyData']
})

      Name               Email               Text
0    alice  alice@example.com      hello world
1      bob    bob@example.com     HELLO WORLD
2  charlie  charlie@example.com     Hello PyData

# 将 Name 列转换为小写
df['Name'] = df['Name'].str.lower()

# 将 Text 列转换为大写
df['Text'] = df['Text'].str.upper()

print(df)

      Name               Email               Text
0    alice  alice@example.com      HELLO WORLD
1      bob    bob@example.com     HELLO WORLD
2  charlie  charlie@example.com  HELLO PYDATA

2.2 字符串匹配contains函数

  使用 str.contains() 函数可以对数据进行正则表达式匹配。具体的用法如下所示：

# 检查 Text 列中是否包含 'PYDATA'
df['ContainsPYDATA'] = df['Text'].str.contains('PYDATA', case=False)

print(df)

      Name               Email               Text Username ContainsPYDATA
0    alice  alice@example.com      HELLO WORLD   alice         False
1      bob    bob@example.com     HELLO WORLD     bob           False
2  charlie  charlie@example.com  HELLO PYDATA  charlie          True

2.3 检查字符串内容isdigit、isalpha、isalnum

• isdigit(): 检查字符串是否只包含数字。
• isalpha(): 检查字符串是否只包含字母。
• isalnum(): 检查字符串是否只包含字母和数字。
• 具体的用法如下所示：

 df = pd.DataFrame({
    'Values': ['123', 'abc', 'abc123', '!@#']
})

print(df['Values'].str.isdigit())  # 检查是否全为数字
print(df['Values'].str.isalpha())  # 检查是否全为字母
print(df['Values'].str.isalnum())  # 检查是否为字母和数字
0     True
1     True
2     True
3    False
Name: Values, dtype: bool

2.3 正则提取和补零操作

• extract(): 使用正则表达式提取字符串中的匹配部分。
• zfill(): 在字符串左侧填充0以达到指定长度。

df['Digits'] = df['Values'].str.extract(r'\d+')  # 提取数字
df['Padded'] = df['Values'].str.zfill(10)  # 左侧补0至长度10

print(df)

  Values  CountA  ContainsABC  Length Digits Padded
0    123       0         False      3    123    000000123
1   abc       1          True      3     NaN      000000abc
2 abc123       1         False      6  123    00abc123
3   !@#       0         False      3     NaN        !@#

  

🔍 4. 注意事项

  对上述的各个函数在使用的过程中需要注意的一些事项，不然可能会出现error，具体主要为：

• 确保使用 str 方法时，列的数据类型是字符串。
• extract() 方法需要正则表达式的模式匹配，如果列中的某些值不匹配，结果将会是 NaN。
• zfill() 方法会根据指定的宽度在字符串左侧填充0，如果字符串本身的长度大于或等于指定宽度，则不会填充。
• 一些 str 方法返回的是 Pandas 的 Series 或 DataFrame，可能需要进一步处理，如使用 .str.get() 获取分割后的特定部分。
• 当使用 str.contains() 进行正则表达式匹配时，可以通过 na 参数指定如何处理缺失值。

🔧 5. 总结

  Pandas 的 str 访问器为字符串类型的数据处理提供了丰富的方法，括检查字符串内容、计数、搜索、获取长度、正则提取和补零操作。通过本文的代码示例和输出结果，我们可以看到如何使用这些方法来处理文本数据。掌握这些技巧可以帮助你更高效地进行数据分析和处理。希望这篇博客能够帮助你更好地理解并应用 Pandas 的字符串操作方法。