pandas:快速处理字符串方法

前言

当我们遇到一个超级大的DataFrame，里面有一列类型为字符串，要将每一行的字符串都用同一方式进行处理，一般会想到遍历整合DataFrame，但是如果直接这样做的话将会耗费很长时间，有时几个小时都处理不完。于是就有了本篇文章所要分享给大家的：pandas快速处理字符串方法。

---

提示：为方便快捷地解决问题，本文仅介绍主要功能。

一、向量化字符串操作简介

向量化操作简化了纯数值的数组操作语法，我们不需要再担心数组的长度或维度，只需要把中心放在操作上面。而对字符串的向量化需要工具包的支持，如Numpy就没办法直接对字符串进行向量化操作，只能通过繁琐的循环来实现。Pandas则可以很好的处理这类问题。

二、str方法的简介

Python会处理字符串起来会很容易，作为工具包的Pandas同样可以简单快速的处理字符串，几乎把Python内置的字符串方法都给复制过来了，这种方法就是Pandas内置的str方法，通俗来说就可以将series和index对象中包含字符串的部分简单看作单个字符串处理，达到批量简单快速处理的目的。

三、str方法介绍

1、类似Python处理字符串的方法

与Python内置的字符串处理方法类似，包含以下函数：

len()	lower()	translate()	islower()
ljust()	upper()	startswith()	isupper()
rjust()	find()	endswith()	isnumeric()
center()	rfind()	isalnum()	isdecimal()
zfill()	index()	isalpha()	split()
strip()	rindex()	isdigit()	rsplit()
rstrip()	capitalize()	isspace()	partition()
lstrip()	swapcase()	istitle()	rpartition()

除此函数之外，也可以直接通过切片方法对字符串进行批量处理。下面是例子。

import pandas as pd
str_data = pd.DataFrame({'name':['Verne Raymond','Chapman Becher','Patrick George','Saxon MacArthur'],
                         'age':[18,22,21,16]})

Out[0]: 
              name  age
0    Verne Raymond   18
1   Chapman Becher   22
2   Patrick George   21
3  Saxon MacArthur   16

len()函数使用：

str_data['name'].str.len()

Out[1]: 
0    13
1    14
2    14
3    15
Name: name, dtype: int64

split()函数使用：

str_data['name'].str.split(' ')
str_data['name'].str.split(' ',expand=True)#将分开的字符串放在两列

Out[2]: 
0      [Verne, Raymond]
1     [Chapman, Becher]
2     [Patrick, George]
3    [Saxon, MacArthur]
Name: name, dtype: object
Out[3]: 
         0          1
0    Verne    Raymond
1  Chapman     Becher
2  Patrick     George
3    Saxon  MacArthur

其他函数都是同样的方式，函数具体参数可以参考官方文档：pandas.Series.

直接对字符串进行切片：

str_data['name'].str[:5]

Out[4]: 
0    Verne
1    Chapm
2    Patri
3    Saxon
Name: name, dtype: object

---

2、使用正则表达式方法

方法	描述
match()	在每个元素上调用re.match()，返回布尔值
extract()	在每个元素上调用re.match()，返回作为字符串的每个分组
findall()	在每个元素上调用re.findall()
replace()	将模式串的每次出现替换为一些其它字符串
contains()	在每个元素上调用re.search()，返回布尔值
count()	统计模式串的出现次数
split()	等价于str.split()，但是接受正则表达式
rsplit()	等价于str.rsplit()，但是接受正则表达式

下面是例子：

replace()函数使用

str_data['name'].str.replace(' ','-')

Out[5]: 
0      Verne-Raymond
1     Chapman-Becher
2     Patrick-George
3    Saxon-MacArthur
Name: name, dtype: object

extract()函数使用

str_data['name'].str.extract('([A-Za-z]+)')   

Out[6]: 
         0
0    Verne
1  Chapman
2  Patrick
3    Saxon

正则表达式方法这里不再赘述。

四、总结

这里介绍了Pandas在处理字符串上提供的一些快速处理方法，将重点部分进行阐述，如有错误请大家指正。后面还会讲解类似快速处理方法如：map()、apply()、applymap()等。