全网没有之一的【Python自动化Excel】Python与pandas字符串操作_电子表格提取出小区名称

本文链接：https://blog.youkuaiyun.com/2401_84248479/article/details/137944448

先自我介绍一下，小编浙江大学毕业，去过华为、字节跳动等大厂，目前阿里P7

深知大多数程序员，想要提升技能，往往是自己摸索成长，但自己不成体系的自学效果低效又漫长，而且极易碰到天花板技术停滞不前！

因此收集整理了一份《2024年最新软件测试全套学习资料》，初衷也很简单，就是希望能够帮助到想自学提升又不知道该从何学起的朋友。

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上软件测试知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

如果你需要这些资料，可以添加V获取：vip1024b （备注软件测试）

正文

output

城市：XX市
小区：四季家园二区

pandas#

提取城市名称，由于城市名称的字数相同，可以直接切片截取前三个。

df[“城市”] = df[“地址”].str[:3]

提取城市

提取小区名，稍有点复杂。因为小区名称长度是不一样长的。可以利用字符串处理的天花板：正则表达式。详细处理方法，见下文五、正则表达式示例1。

点我免费领取全套软件测试(自动化测试)视频资料（备注“csdn000”）视频资料（备注“csdn000”）")

四、补齐数

有时候，我们在电脑中按文件名排序的时候，你可能会遇到下面的情况：

数值排序和字符排序

在不同系统中，我们希望是按数值排序，但偏偏系统却是按字符排序的，如某些车载播放器中。比较好的解决方法就是在前面添加0，补齐数据位数。数据量大的时候，手动修改很麻烦，Python字符串处理的zfill()函数就可以解决这个问题。

Pytho

myStr = “1章节”
print(myStr.zfill(4)) # 整个字符串补齐到4位

output

01章节

pandas#

df[“新文件名”] = “第”+df[“文件名”].str[1:].str.zfill(8)

image-20220330005403437

配合os.rename()便可以批量重命名。关键代码如下

df.apply(lambda x: os.rename( path + x[“文件名”], path + x[“新文件名”]), axis=1)

批量重命名演示

五、正则表达式

遇到复杂的字符串处理需求时，Python有优势就可以体现出来了。因为python和pandas有一个超强的字符串处理武器：正则表达式。正则表达式可以匹配字符串的格式特点，如电子邮箱的地址格式、网址的地址格式、电话号码格式等。如何写好正则表达式，这是一门精深的学问，本文介绍几个正则表达式的常用案例，浅尝辄止。

注：Python默认不支持正则表达式语法，而pandas直接支持正则表达式语法，这里重点介绍pandas处理表格数据。

1.提取长度不一样的小区名

思路：

提取上面小区名，可以归纳一下地址中小区名的格式特点：苏州市之后，幢号数字之前的中文字符。
Series的str.extract()，可用正则从字符数据中抽取匹配的数据；

## 匹配中文字符的正则表达式： [\u4e00-\u9fa5]
pattern = r’苏州市([\u4e00-\u9fa5]+)[0-9]+幢’
df[“小区”] = df[“地址”].str.extract(pattern, expand=False)

提取小区名

2.提取几幢几室

思路：几幢几室，格式都是数字+幢和数字+室

数字可以用[0-9]或\d来匹配；
+表示1个或多个。

pattern = r’([0-9]+)幢’
df[“幢号”] = df[“地址”].str.extract(pattern, expand=False)

pattern = r’(\d+)室’
df[“室号”] = df[“地址”].str.extract(pattern, expand=False)

提取幢号室号

六、apply函数

apply 函数：可以对DateFrame进行逐行或逐列进行处理。

1.增加一列，将幢号按照奇偶数分类

将幢号为奇数的为A区，偶数的为B区

# 定义处理的函数，共apply函数调用，传入的参数为一个Series对象
def my_func(series):
if (series[“幢号”]) % 2 != 0:
return “A区”
else:
return “B区”

df[“幢号分类”] = df.apply(my_func, axis=1)

上述代码中apply函数，有两个参数

第一个参数：处理逻辑的函数名。主要传入名称，这里为my_func；
第二个参数：axis = 1，表示按列处理。即传入的是每一行的Series。

output

apply映射分类

2.增加一列，字典映射

def my_func2(series):
# 映射字典，key为小区名，value为小区称号
my_dict = {
‘吉祥如意家园’: ‘最佳好运小区’,
‘科技村’: ‘最佳科创小区’,
‘四季家园’: ‘最佳风光小区’,
‘万象更新家园’: ‘最佳风采小区’,
}
# 每一行小区名称，切片截取至倒数第2个，即-2
nameKey = series[‘小区’][:-2]
return my_dict[nameKey]

df[“小区称号”] = df.apply(my_func2, axis=1)

output

apply匹配映射

结语

本文演示的字符串操作：替换、分列、切片截取、补齐数据、正则表达式、apply()函数常见于数据分析的数据清洗环节，替换、分列、切片截取在Excel中也很容易实现，正则表达式可以说是Python处理复杂字符串问题的一大利器，apply()函数可以实现自定义函数处理表格型的数据，十分灵活、威力巨大。由于篇幅有限，正则表达式、apply()函数本文就点到为止，今后值得整理更多相关案例。