Pandas字符串处理（九）

前面我们已经使用了字符串的处理函数：
df[“bWendu”].str.replace(“℃”, “”).astype(‘int32’)

1、Pandas的字符串处理：

（1） 使用方法：先获取Series的str属性，然后在属性上调用函数；
（2）只能在字符串列上使用，不能数字列上使用；
（3）Dataframe上没有str属性和处理方法
（4）Series.str并不是Python原生字符串，而是自己的一套方法，不过大部分和原生str很相似；
Series.str字符串方法列表参考文档:
https://pandas.pydata.org/pandas-docs/stable/reference/series.html#string-handling

本节演示内容：
1、获取Series的str属性，然后使用各种字符串处理函数
2、使用str的startswith、contains等bool类Series可以做条件查询
3、需要多次str处理的链式操作
4、使用正则表达式的处理

2、Pandas的字符串处理实例演示

• 1、读取数据

import pandas as pd
fpath = "./datas/beijing_tianqi/beijing_tianqi_2018.csv"
df = pd.read_csv(fpath)
df.dtypes

• 2、获取Series的str属性，使用各种字符串处理函数

# 字符串替换函数
df["bWendu"].str.replace("℃", "")
# 判断是不是数字
df["bWendu"].str.isnumeric()
df["aqi"].str.len()

• 3、使用str的startswith、contains等得到bool的Series可以做条件查询

condition = df["ymd"].str.startswith("2018-03")
df[condition].head()

• 4、需要多次str处理的链式操作
  怎样提取201803这样的数字月份？
  1、先将日期2018-03-31替换成20180331的形式
  2、提取月份字符串201803

df["ymd"].str.replace("-", "")
df["ymd"].str.replace("-", "").str.slice(0, 6)
# slice就是切片语法，可以直接用(同上操作)
df["ymd"].str.replace("-", "").str[0:6]

• 5、使用正则表达式的处理

# 添加新列
def get_nianyueri(x):
    year,month,day = x["ymd"].split("-")
    return f"{year}年{month}月{day}日"
df["中文日期"] = df.apply(get_nianyueri, axis=1)
df["中文日期"]

问题：怎样将“2018年12月31日”中的年、月、日三个中文字符去除？

# 方法1：链式replace
df["中文日期"].str.replace("年", "").str.replace("月","").str.replace("日", "")

Series.str默认就开启了正则表达式模式

# 方法2：正则表达式替换
df["中文日期"].str.replace("[年月日]", "")