Python Pandas - 处理文本数据

在本章中，我们将讨论基本系列/索引的字符串操作。在后续章节中，我们将学习如何在 DataFrame 上应用这些字符串函数。

Pandas 提供了一组字符串函数，可以轻松地对字符串数据进行操作。最重要的是，这些函数忽略（或排除）缺失/NaN 值。

几乎所有这些方法都适用于 Python 字符串函数（请参阅：https ://docs.python.org/3/library/stdtypes.html#string-methods ）。因此，将Series对象转换为String对象，然后执行操作。

现在让我们看看每个操作的执行情况。

先生编号	功能说明
1	降低（）将系列/索引中的字符串转换为小写。
2	上（）将系列/索引中的字符串转换为大写。
3	长度（）计算字符串长度()。
4	条（）帮助从两侧去除系列/索引中每个字符串中的空格（包括换行符）。
5	分裂（' '）使用给定的模式分割每个字符串。
6	猫（九月=''）使用给定的分隔符连接系列/索引元素。
7	get_dummies() 返回具有 One-Hot 编码值的 DataFrame。
8	包含（模式）如果子字符串包含在元素中，则为每个元素返回布尔值 True，否则返回 False。
9	替换（a，b）将值a替换为值b。
10	重复（值）将每个元素重复指定的次数。
11	计数（模式）返回每个元素中模式出现的计数。
12	以（模式）开头如果系列/索引中的元素以模式开头，则返回 true。
13	以（模式）结尾如果系列/索引中的元素以模式结尾，则返回 true。
14	查找（模式）返回模式第一次出现的第一个位置。
15	查找全部（模式）返回所有出现的模式的列表。
16	交换箱交换外壳下/上。
17 号	islower() 检查系列/索引中每个字符串中的所有字符是否均为小写。返回布尔值
18	isupper() 检查系列/索引中每个字符串中的所有字符是否均为大写。返回布尔值。
19	是数字（）检查系列/索引中每个字符串中的所有字符是否都是数字。返回布尔值。

现在让我们创建一个系列并看看上述所有功能是如何工作的。

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])

print s

其输出如下 -

0            Tom
1   William Rick
2           John
3        Alber@t
4            NaN
5           1234
6    Steve Smith
dtype: object

降低（）

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])

print s.str.lower()

其输出如下 -

0            tom
1   william rick
2           john
3        alber@t
4            NaN
5           1234
6    steve smith
dtype: object

上（）

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])

print s.str.upper()

其输出如下 -

0            TOM
1   WILLIAM RICK
2           JOHN
3        ALBER@T
4            NaN
5           1234
6    STEVE SMITH
dtype: object

长度（）

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
print s.str.len()

其输出如下 -

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

条（）

import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("After Stripping:")
print s.str.strip()

其输出如下 -

0            Tom
1   William Rick
2           John
3        Alber@t
dtype: object

After Stripping:
0            Tom
1   William Rick
2           John
3        Alber@t
dtype: object

分割（图案）

import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("Split Pattern:")
print s.str.split(' ')

其输出如下 -

0            Tom
1   William Rick
2           John
3        Alber@t
dtype: object

Split Pattern:
0   [Tom, , , , , , , , , , ]
1   [, , , , , William, Rick]
2   [John]
3   [Alber@t]
dtype: object

猫（sep=模式）

import pandas as pd
import numpy as np

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.cat(sep='_')

其输出如下 -

Tom _ William Rick_John_Alber@t

get_dummies()

import pandas as pd
import numpy as np

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.get_dummies()

其输出如下 -

   William Rick   Alber@t   John   Tom
0             0         0      0     1
1             1         0      0     0
2             0         0      1     0
3             0         1      0     0

包含 ()

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.contains(' ')

其输出如下 -

0   True
1   True
2   False
3   False
dtype: bool

替换（a，b）

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("After replacing @ with $:")
print s.str.replace('@','$')

其输出如下 -

0   Tom
1   William Rick
2   John
3   Alber@t
dtype: object

After replacing @ with $:
0   Tom
1   William Rick
2   John
3   Alber$t
dtype: object

重复（值）

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.repeat(2)

其输出如下 -

0   Tom            Tom
1   William Rick   William Rick
2                  JohnJohn
3                  Alber@tAlber@t
dtype: object

计数（模式）

import pandas as pd
 
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

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

其输出如下 -

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

以（模式）开头

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

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

其输出如下 -

0  True
1  False
2  False
3  False
dtype: bool

以（模式）结尾

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

其输出如下 -

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

查找（模式）

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.find('e')

其输出如下 -

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

“-1”表示元素中没有可用的模式。

查找全部（模式）

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.findall('e')

其输出如下 -

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

空列表([ ]) 表示元素中没有可用的此类模式。

交换案例（）

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print s.str.swapcase()

其输出如下 -

0  tOM
1  wILLIAM rICK
2  jOHN
3  aLBER@T
dtype: object

islower()

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print s.str.islower()

其输出如下 -

0  False
1  False
2  False
3  False
dtype: bool

isupper()

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])

print s.str.isupper()

其输出如下 -

0  False
1  False
2  False
3  False
dtype: bool

是数字（）

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])

print s.str.isnumeric()

其输出如下 -

0  False
1  False
2  False
3  False
dtype: bool