文章来源:Python数据科学
作者:东哥
pandas有些功能很逆天,但却鲜为人知,本篇给大家盘点一下。
一、ACCESSOR
pandas有一种功能非常强大的方法,它就是accessor,可以将它理解为一种属性接口,通过它可以获得额外的方法。其实这样说还是很笼统,下面我们通过代码和实例来理解一下。
>>> pd.Series._accessors{'cat', 'str', 'dt'}
对于Series数据结构使用_accessors方法,可以得到了3个对象:cat,str,dt。
- .cat:用于分类数据(Categorical data)
- .str:用于字符数据(String Object data)
- .dt:用于时间数据(datetime-like data)
下面我们依次看一下这三个对象是如何使用的。
str对象的使用
Series数据类型:str字符串
# 定义一个Series序列>>> addr = pd.Series([... 'Washington, D.C. 20003',... 'Brooklyn, NY 11211-1755',... 'Omaha, NE 68154',... 'Pittsburgh, PA 15211'... ]) >>> addr.str.upper()0 WASHINGTON, D.C. 200031 BROOKLYN, NY 11211-17552 OMAHA, NE 681543 PITTSBURGH, PA 15211dtype: object>>> addr.str.count(r'd') 0 51 92 53 5dtype: int64
关于以上str对象的2个方法说明:
- Series.str.upper:将Series中所有字符串变为大写
- Series.str.count:对Series中所有字符串的个数进行计数
其实不难发现,该用法的使用与Python中字符串的操作很相似。没错,在pandas中你一样可以这样简单的操作,而不同的是你操作的是一整列的字符串数据。仍然基于以上数据集,再看它的另一个操作:
>>> regex = (r'(?P[A-Za-z ]+), ' # 一个或更多字母... r'(?P[A-Z]{2}) ' # 两个大写字母... r'(?Pd{5}(?:-d{4})?)') # 可选的4个延伸数字...>>> addr.str.replace('.', '').str.extract(regex) city state zip0 Washington DC 200031 Brooklyn NY 11211-17552 Omaha NE 681543 Pittsburgh PA 15211
关于以上str对象的2个方法说明:
- Series.str.replace:将Series中指定字符串替换
- Series.str.extract:通过正则表达式提取字符串中的数据信息
这个用法就有点复杂了,因为很明显看到,这是一个链式的用法。通过replace将 " . " 替换为"",即为空,紧接着又使用了3个正则表达式(分别对应city,state,zip)通过extract对数据进行了提取,并由原来的Series数据结构变为了DataFrame数据结构。
当然,除了以上用法外,常用的属性和方法还有.rstrip,.contains,split等,我们通过下面代码查看一下str属性的完整列表:
>>> [i for i in dir(pd.Series.str) if not i.startswith('_')]['capitalize', 'cat', 'center', 'contains', 'count', 'decode', 'encode', 'endswith', 'extract', 'extractall', 'find', 'findall', 'get', 'get_dummies', 'index', 'isalnum', 'isalpha', 'isdecimal', 'isdigit', 'islower', 'isnumeric', 'isspace', 'istitle', 'isupper', 'join'