1.Pandas应用 文本处理

• 导入测试数据

import pandas as pd 
inspection = pd.read_csv('chicago_food_inspections.csv')

使用Series对象的str属性处理字符串

1.去除文本头尾的空格

# 去除头尾空格
inspection["Name"].str.strip()
# 去除左边的空格l
inspection["Name"].str.lstrip()
# 去除右边的空格
inspection["Name"].str.rstrip()

将处理好的字符串重新赋值给Name列

# 将处理好的字符串重新赋值给Name列
inspection["Name"] = inspection["Name"].str.strip()

遇到有很对列需要重新赋值的情况，可以使用colunms属性进行遍历处理

inspection.columns

输出：Index([‘Name’, ‘Risk’], dtype=‘object’)

# 对所有的列遍历
for col in inspection.columns:
    print(col)
    inspection[col] = inspection[col].str.strip()

2.字符串转大写、转小写、首字母大写、单词首字母大写

# 字符串转大写、转小写、首字母大写、单词首字母大写
inspection['Name'].str.upper().head()
inspection['Name'].str.lower().head()
inspection['Name'].str.capitalize().head()
inspection['Name'].str.title().head()

3. 字符串切片操作

# 清洗Risk列数据, 只包含 'Risk 1 (High)', 'Risk 2 (Medium)', 'Risk 3 (Low)','Risk 4(Extreme)'
inspection = inspection.dropna(subset=['Risk'])
inspection['Risk'] = inspection['Risk'].str.replace('All', 'Risk 4(Extreme)')
inspection['Risk'].unique()

# 提取风险等级,以下2种写法等效
inspection['Risk'].str.slice(5,6).head()
inspection['Risk'].str[5:6].head()

# 提取风险描述，以下2种写法等效
inspection['Risk'].str.slice(8,-1).head()
inspection['Risk'].str[8:-1].head()

切片用法跟python的切片用法相同。

4. 文本筛选
   文本包含，使用str.contains()方法

has_pizza = inspection['Name'].str.lower().str.contains('pizza')
inspection[has_pizza]

文本位于开头、结尾，使用str.startswith()、str.endswith()方法

start_with_tacos = inspection['Name'].str.lower().str.startswith('tacos')
inspection[start_with_tacos]

end_with_inc = inspection['Name'].str.lower().str.endswith('INC.'.lower())
inspection[end_with_inc]

5. 文本拆分
文本拆分，使用str.split()方法

inspection['Risk'].str.split(' ').head()

# n字段 表示最大拆分次数，可以看到两者的区别
inspection['Risk'].str.split(' ', n=1).head()

# expand字段 =True  返回的是一个DataFrame类型数据
inspection['Risk'].str.split(' ',expand=True).head()

想要提取前文的风险等级，可以使用str.get()方法

# 提取前文的风险等级，使用str.get(n)方法
inspection['Risk'].str.split(' ').str.get(1)

小扩展:将风险描述加到原数据中

df_r = inspection['Risk'].str.split(" ", expand=True)
inspection['Risk desc'] = df_r[2]

这里有一个警告：
SettingWithCopyWarning:
A value is trying to be set on a copy of a slice from a DataFrame.
Try using .loc[row_indexer,col_indexer] = value instead
解决方法：

inspection.loc[:, 'Risk desc'] = df_r[2]