python把文字矢量化_pandas矢量化的字符串函数

在使用 pandas 的 DataFrame 数据框的过程中，如果需要处理一些字符串的特性，例如判断某列是否包含一些关键字或求某列的字符长度时，通过 Series 的 str 列内置的方法进行处理会很方便。下面将介绍 Series 类的 str 自带的方法。

cat() 字符串连接

cat() 函数可实现元素级的字符串连接操作，并可指定分隔符。其语法格式如下：

Series.str.cat(others=None, sep=None, na_rep=None)

该函数参数说明如下：

others：表示 Series、Index、DataFrame、np.ndarray（一维或二维）和其他类似字符串的列表；

sep：表示连接分隔符，取值 string 或 None，默认为 None；

na_rep：当 na_rep 为 None，序列中的 NaN 值将被忽略，如果指定，将用该字符代替。

split() 切分字符串

split() 函数可根据分隔符或正则表达式对字符串进行拆分。其语法格式如下：

Series.str.split(pat=None, n=-1, expand=False)

该函数参数说明如下：

pat：表示要拆分的字符串或正则表达式，如果未指定，则拆分空格；

n：表示限制输出中的分割数，无、0 和 -1 将被解释为返回所有拆分；

expand：将拆分的字符串展开为单独的列，如果为 True，则返回 DataFrame/MultiIndex 扩展维度；如果为 False，则返回包含字符串列表的 Series/Index。

get() 获取指定位置的字符串

get() 函数可获取各元素的第 i 个字符。其语法格式如下：

Series.str.get(i)

其中，参数i表示指定位置。

示例代码example1.py如下。

# -*- coding: utf-8 -*-

import numpy as np

import pandas as pd

#1 cat()

s = pd.Series(['a', 'b', np.nan, 'd'])

print(s.str.cat(['A', 'B', 'C', 'D'], sep=','))

print(s.str.cat(['A', 'B', 'C', 'D'], sep=',', na_rep='-'))

#2 split()

s = pd.Series(["this is good text", "but this is even better"])

print(s.str.split("is", n=1, expand=True))

#3 get()

s = pd.Series(["String",

(1, 2, 3),

["a", "b", "c"],

123, -456,

{1:"Hello", "2":"World"}])

print(s.str.get(1))

除了 cat()、split() 和 get() 函数外，Series 类的 str 自带的其他函数，即矢量化的字符串函数见表 1，其函数语法格式是 Series.str .函数名(参数)。

表 1：矢量化的字符串函数

函数

说明

contains

返回表示各字符串时含有指定模式的布尔型数组

count

模式出现的次数

endswith

对各个元素执行 x.endswith(pattem)

startswith

对各个元素执行 x.startswith(pattem)

findall

计算各字符串的模式列表

join

根据指定的分隔符，将 Series 中各个元素的字符串连接起来

len

计算字符串长度

lower、upper

lower 函数是将所有字符转换为小写；upper 函数是将所有字符转换为大写

match

根据指定的正则表达式对各个元素执行 re.match

pad

在字符串的左边或右边或两边添加空白符

center

相当于在字符串的两边添加空白符

repeat

重复值，如 s.str.repeat(3) 相当于对各个字符串执行 x * 3

replace

用指走字符串替换找到的模式

slice

对 Senes 的各个字符串进行子串截取

strip

去除两边空白符

Istrip

去除左边空白符

rstrip

去除右边空白符