Pandas字符串和文本數據

在本章中,我們將使用基本系列/索引來討論字符串操作。在隨後的章節中,將學習如何將這些字符串函數應用於數據幀(DataFrame)。

Pandas提供了一組字符串函數,可以方便地對字符串數據進行操作。 最重要的是,這些函數忽略(或排除)丟失/NaN值。

幾乎這些方法都使用Python字符串函數(請參閱: http://docs.python.org/3/library/stdtypes.html#string-methods )。 因此,將Series對象轉換爲String對象,然後執行該操作。

下面來看看每個操作的執行和說明。

編號

函數

描述

1

lower()

Series/Index中的字符串轉換爲小寫。

2

upper()

Series/Index中的字符串轉換爲大寫。

3

len()

計算字符串長度。

4

strip()

幫助從兩側的系列/索引中的每個字符串中刪除空格(包括換行符)。

5

split(' ')

用給定的模式拆分每個字符串。

6

cat(sep=' ')

使用給定的分隔符連接系列/索引元素。

7

get_dummies()

返回具有單熱編碼值的數據幀(DataFrame)。

8

contains(pattern)

如果元素中包含子字符串,則返回每個元素的布爾值True,否則爲False

9

replace(a,b)

將值a替換爲值b

10

repeat(value)

重複每個元素指定的次數。

11

count(pattern)

返回模式中每個元素的出現總數。

12

startswith(pattern)

如果系列/索引中的元素以模式開始,則返回true

13

endswith(pattern)

如果系列/索引中的元素以模式結束,則返回true

14

find(pattern)

返回模式第一次出現的位置。

15

findall(pattern)

返回模式的所有出現的列表。

16

swapcase

變換字母大小寫。

17

islower()

檢查系列/索引中每個字符串中的所有字符是否小寫,返回布爾值

18

isupper()

檢查系列/索引中每個字符串中的所有字符是否大寫,返回布爾值

19

isnumeric()

檢查系列/索引中每個字符串中的所有字符是否爲數字,返回布爾值。

現在創建一個系列,看看上述所有函數是如何工作的。

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]', np.nan, '1234','SteveMinsu'])

print (s)

執行上面示例代碼,得到以下結果 -

0             Tom
1    William Rick
2            John
3         [email protected]
4             NaN
5            1234
6      SteveMinsu
dtype: object

1. lower()函數示例

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]', np.nan, '1234','SteveMinsu'])

print (s.str.lower())

執行上面示例代碼,得到以下結果 -

0             tom
1    william rick
2            john
3         [email protected]
4             NaN
5            1234
6      steveminsu
dtype: object

2. upper()函數示例

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]', np.nan, '1234','SteveMinsu'])

print (s.str.upper())

執行上面示例代碼,得到以下結果 -

0             TOM
1    WILLIAM RICK
2            JOHN
3         [email protected]
4             NaN
5            1234
6      STEVESMITH
dtype: object

3. len()函數示例

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]', np.nan, '1234','SteveMinsu'])
print (s.str.len())

執行上面示例代碼,得到以下結果 -

0     3.0
1    12.0
2     4.0
3     7.0
4     NaN
5     4.0
6    10.0
dtype: float64

4. strip()函數示例

import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s)
print ("=========== After Stripping ================")
print (s.str.strip())

執行上面示例代碼,得到以下結果 -

0             Tom 
1     William Rick
2             John
3          [email protected]
dtype: object
=========== After Stripping ================
0             Tom
1    William Rick
2            John
3         [email protected]
dtype: object

5. split(pattern)函數示例

import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s)
print ("================= Split Pattern: ==================")
print (s.str.split(' '))

執行上面示例代碼,得到以下結果 -

0             Tom 
1     William Rick
2             John
3          [email protected]
dtype: object
================= Split Pattern: ==================
0              [Tom, ]
1    [, William, Rick]
2               [John]
3            [[email protected]]
dtype: object

6. cat(sep=pattern)函數示例

import pandas as pd
import numpy as np

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print (s.str.cat(sep=' <=> '))

執行上面示例代碼,得到以下結果 -

Tom  <=>  William Rick <=> John <=> [email protected]

7. get_dummies()函數示例

import pandas as pd
import numpy as np

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print (s.str.get_dummies())

執行上面示例代碼,得到以下結果 -

    William Rick  [email protected]  John  Tom 
0              0        0     0     1
1              1        0     0     0
2              0        0     1     0
3              0        1     0     0

8. contains()函數示例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s.str.contains(' '))

執行上面示例代碼,得到以下結果 -

0     True
1     True
2    False
3    False
dtype: bool

9. replace(a,b)函數示例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s)
print ("After replacing @ with $: ============== ")
print (s.str.replace('@','$'))

執行上面示例代碼,得到以下結果 -

0             Tom 
1     William Rick
2             John
3          [email protected]
dtype: object
After replacing @ with $: ============== 
0             Tom 
1     William Rick
2             John
3          Alber$t
dtype: object

10. repeat(value)函數示例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print (s.str.repeat(2))

執行上面示例代碼,得到以下結果 -

0                      Tom Tom 
1     William Rick William Rick
2                      JohnJohn
3                [email protected]@t
dtype: object

11. count(pattern)函數示例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print ("The number of 'm's in each string:")
print (s.str.count('m'))

執行上面示例代碼,得到以下結果 -

The number of 'm's in each string:
0    1
1    1
2    0
3    0
dtype: int64

12. startswith(pattern)函數示例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print ("Strings that start with 'T':")
print (s.str. startswith ('T'))

執行上面示例代碼,得到以下結果 -

Strings that start with 'T':
0     True
1    False
2    False
3    False
dtype: bool

13. endswith(pattern)函數示例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print ("Strings that end with 't':")
print (s.str.endswith('t'))

執行上面示例代碼,得到以下結果 -

Strings that end with 't':
0    False
1    False
2    False
3     True
dtype: bool

14. find(pattern)函數示例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s.str.find('e'))

執行上面示例代碼,得到以下結果 -

0   -1
1   -1
2   -1
3    3
dtype: int64

注意:-1表示元素中沒有這樣的模式可用。

15. findall(pattern)函數示例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s.str.findall('e'))

執行上面示例代碼,得到以下結果 -

0     []
1     []
2     []
3    [e]
dtype: object

空列表([])表示元素中沒有這樣的模式可用。

16. swapcase()函數示例

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]'])
print (s.str.swapcase())

執行上面示例代碼,得到以下結果 -

0             tOM
1    wILLIAM rICK
2            jOHN
3         [email protected]
dtype: object

17. islower()函數示例

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]'])
print (s.str.islower())

執行上面示例代碼,得到以下結果 -

0    False
1    False
2    False
3    False
dtype: bool

18. isupper()函數示例

import pandas as pd

s = pd.Series(['TOM', 'William Rick', 'John', '[email protected]'])

print (s.str.isupper())

執行上面示例代碼,得到以下結果 -

0    True
1    False
2    False
3    False
dtype: bool

19. isnumeric()函數示例

import pandas as pd
s = pd.Series(['Tom', '1199','William Rick', 'John', '[email protected]'])
print (s.str.isnumeric())

執行上面示例代碼,得到以下結果 -

0    False
1     True
2    False
3    False
4    False
dtype: bool