python pandas str对象的upper()， lower(), len(), strip()方法的应用

本期，我们暂时不读取excel表格了，直接操作Series或者DataFrame。因为以下函数都可以应用，而且会非常简单，如下所示：

>>> df = pd.read_excel(r'D:/myExcel/1.xlsx')
>>> df
    name  math
0    bog    45
1  jiken    67
2    bob    23
3  jiken    34
# 该列全部大写
>>> df['name'] = df['name'].str.upper()
>>> df
    name  math
0    BOG    45
1  JIKEN    67
2    BOB    23
3  JIKEN    34

1、upper()以及lower()函数
顾名思义，这两个函数一个是转化为大写，一个是转换为小写。

>>> import numpy as np
>>> s = pd.Series(['A', 'B', 'C', 'Aaba', 'Baca', np.nan, 'CABA', 'dog', 'cat'])
>>> s.str.lower()
0       a
1       b
2       c
3    aaba
4    baca
5     NaN
6    caba
7     dog
8     cat
dtype: object
>>> s.str.upper()
0       A
1       B
2       C
3    AABA
4    BACA
5     NaN
6    CABA
7     DOG
8     CAT
dtype: object

2、len（）函数
该函数的主要作用是返回字符的长度

>>> s.str.len()
0    1.0
1    1.0
2    1.0
3    4.0
4    4.0
5    NaN
6    4.0
7    3.0
8    3.0
dtype: float64

3、strip()
该函数的主要作用是删掉字符左右两面的空白，lstrip()删除字符左边的空白，rstrip（）删除字符右边的空白

>>> idx = pd.Index([' jack', 'jill ', ' jesse ', 'frank', 'frank li' ])
>>> idx.str.strip()
Index(['jack', 'jill', 'jesse', 'frank', 'frank li'], dtype='object')
>>> index.str.lstrip()
>>> idx.str.lstrip()
Index(['jack', 'jill ', 'jesse ', 'frank', 'frank li'], dtype='object')
>>> idx.str.rstrip()
Index([' jack', 'jill', ' jesse', 'frank', 'frank li'], dtype='object')

哈哈，以上就是python小工具关于这几个字符方法在pandas中的应用，有兴趣的话欢迎关注: python小工具，学习pandas和python。本文出自pandas文档中的user guide目录下的working with text data部分，欢迎通过公众号获取官方文档并学习pandas。