本文详细介绍了使用Pandas处理字符串数据的各种方法，包括统计、大小写转换、替换、分割及索引等操作，展示了如何高效地对DataFrame和Series中的文本数据进行预处理。
Pandas有一些专门针对字符串数据的处理方法，方便对字符串进行操作。
- python中也有类似的方法。
- 字符串是一个不可变序列。
import numpy as np
import pandas as pd
# 利用np.nan来填充空值
ps = pd.Series(['he','b','c','D','Python','666',np.nan,'hello'])
df = pd.DataFrame({'key1':list('abcdef'),
'key2':['haaa','pandas','s','numpy','777',np.nan]})
# 这里注意一下，因为是文本型的所以类型就是object
# 对于所有的缺失值，不做任何处理的保留。
print(ps)
print('--------------------------')
print(df)
print('--------------------------')
# 通过.str来调用各种方法,而且Series和DataFrame都可以。
print('统计一下he有多少个：\n',ps.str.count('he'))
print('--------------------------')
print('大写: \n',df['key2'].str.upper())
# 利用str.方法生成的数据是一个新的数据。而不是在原来的数据上进行修改。
# 通过id()这个方法来看一下。可以发现两个id是不一样。
print(id(df))
print('--------------------------')
print(id(df['key2'].str.upper()))
print('--------------------------')
# 通过赋值来修改原数据
df['key2'] = df['key2'].str.upper()
print(df)
# 注意：这样df = df['key2'].str.upper()是会修改原数据的结构。而不知修改数据。
# print(df)
print('--------------------------')
df1 = pd.DataFrame({'key1':list('abcdef'),
'key2':['u','v','w','x','Y','z']})
df1.columns = df1.columns.str.upper()
print('注意columns从key变成了KEY: \n',df1)
运行结果如下：
0 he
1 b
2 c
3 D
4 Python
5 666
6 NaN
7 hello
dtype: object
--------------------------
key1 key2
0 a haaa
1 b pandas
2 c s
3 d numpy
4 e 777
5 f NaN
--------------------------
统计一下he有多少个：
0 1.0
1 0.0
2 0.0
3 0.0
4 0.0
5 0.0
6 NaN
7 1.0
dtype: float64
--------------------------
大写:
0 HAAA
1 PANDAS
2 S
3 NUMPY
4 777
5 NaN
Name: key2, dtype: object
2117666888056
--------------------------
2117666889568
--------------------------
key1 key2
0 a HAAA
1 b PANDAS
2 c S
3 d NUMPY
4 e 777
5 f NaN
--------------------------
注意columns从key变成了KEY:
KEY1 KEY2
0 a u
1 b v
2 c w
3 d x
4 e Y
5 f z
一、常用方法1 - lower,len，startswith，endswith
ps = pd.Series(['he6','b','c6','D','Python','666',np.nan,'hello'])
print('小写: \n',ps.str.lower())
print('--------------------------')
print('字符长度: \n',ps.str.len())
print('--------------------------')
# startswith和endswith返回的是布尔类型
print('判断起始是否为he: \n',ps.str.startswith('he'))
print('--------------------------')
print('判断结束是否为6: \n',ps.str.endswith('6'))
print('--------------------------')
运行结果如下：
小写:
0 he6
1 b
2 c6
3 d
4 python
5 666
6 NaN
7 hello
dtype: object
--------------------------
字符长度:
0 3.0
1 1.0
2 2.0
3 1.0
4 6.0
5 3.0
6 NaN
7 5.0
dtype: float64
--------------------------
判断起始是否为he:
0 True
1 False
2 False
3 False
4 False
5 False
6 NaN
7 True
dtype: object
--------------------------
判断结束是否为6:
0 True
1 False
2 True
3 False
4 False
5 True
6 NaN
7 False
dtype: object
--------------------------
二、常用方法2 - strip，lstrip,rstrip
ps = pd.Series([' ab cd', 'efgh ', ' ijkl ', 'mnopq'])
df = pd.DataFrame(np.random.randn(4, 2), columns=[' Column A ', ' Column B '],
index=range(4))
print(ps)
print(df)
print('--------------------------')
print('去除字符串前后的空格: \n',ps.str.strip())
print('--------------------------')
print('去除字符串前面的空格: \n',ps.str.lstrip())
print('--------------------------')
print('去除字符串后面的空格: \n',ps.str.rstrip())
print('--------------------------')
# 去掉了columns的前后空格
df.columns = df.columns.str.strip()
print(df)
运行结果如下：
0 ab cd
1 efgh
2 ijkl
3 mnopq
dtype: object
Column A Column B
0 -0.429990 -0.706352
1 -1.012684 0.306714
2 2.029951 -0.163117
3 -0.649404 -0.036451
--------------------------
去除字符串前后的空格:
0 ab cd
1 efgh
2 ijkl
3 mnopq
dtype: object
--------------------------
去除字符串前面的空格:
0 ab cd
1 efgh
2 ijkl
3 mnopq
dtype: object
--------------------------
去除字符串后面的空格:
0 ab cd
1 efgh
2 ijkl
3 mnopq
dtype: object
--------------------------
Column A Column B
0 -0.429990 -0.706352
1 -1.012684 0.306714
2 2.029951 -0.163117
3 -0.649404 -0.036451
三、常用方法3 - replace
df = pd.DataFrame(np.random.randn(4, 2), columns=[' Column A ', ' Column B '],
index=range(4))
print(df)
print('--------------------------')
df.columns = df.columns.str.replace(' ','-')
print('将空格替换成"-"：\n',df)
print('--------------------------')
df1 = pd.DataFrame(np.random.randn(4, 2), columns=['+++ Column A ++', '+ Column B ++'],
index=range(4))
print(df1)
print('--------------------------')
# 将columns里的“+”变成python，并且只替换前2个。
df1.columns = df1.columns.str.replace('+','python',n=2)
print(df1)
运行结果如下：
Column A Column B
0 -0.495589 -0.932599
1 -1.714485 -0.658998
2 1.020396 1.301494
3 -0.057810 -0.522236
--------------------------
将空格替换成"-"：
-----Column-A--- ---Column-B-----
0 -0.495589 -0.932599
1 -1.714485 -0.658998
2 1.020396 1.301494
3 -0.057810 -0.522236
--------------------------
+++ Column A ++ + Column B ++
0 -0.183334 -1.331228
1 -0.372880 -0.363632
2 0.543497 -0.546076
3 0.873474 0.366067
--------------------------
pythonpython+ Column A ++ python Column B python+
0 -0.183334 -1.331228
1 -0.372880 -0.363632
2 0.543497 -0.546076
3 0.873474 0.366067
四、常用方法（4） - split、rsplit
ps = pd.Series(['a,b,c','x,y,3',['6,6']])
# 根据“，”对元素进行分裂。
# 注意：['6,,,6']是个list，而这个list是一个元素，所以这个列表里的“，”是不会被分裂的。
print(ps)
print('--------------------------')
print(ps.str.split(','))
print('--------------------------')
print(type(ps.str.split(',')))
print('--------------------------')
# 通过直接索引得到数据,并且得到的是一个list
print('类型是：\n',type(ps.str.split(',')[0]))
print('--------------------------')
print('得到列表中第一个元素的数据：\n',ps.str.split(',')[0])
print('--------------------------')
print('得到列表中第一个元素中的第一个的数据：\n',ps.str.split(',')[0][0])
print('--------------------------')
# 通过.str.split(',')对原来的ps进行了操作，得到的依然是Series。
# 再通过.str将其变成了字符串。
# 然后再通过[]来访问对应的数据
print(type(ps.str.split(',').str[0]))
print('--------------------------')
print(ps.str.split(',').str[0])
print('--------------------------')
# 通过get()也可以
print(ps.str.split(',').str.get(1))
print('--------------------------')
# 通过expand参数来讲series便成DataFrame
print(ps.str.split(',', expand=True))
print('--------------------------')
print(type(ps.str.split(',', expand=True)))
print('--------------------------')
# 通过n来控制扩展多少。
print(ps.str.split(',', expand=True, n = 1))
print('--------------------------')
# rsplit类似于split，反向工作，即从字符串的末尾到字符串的开头
print(ps.str.rsplit(',', expand=True, n = 1))
print('--------------------------')
# split也适用于Dataframe
df = pd.DataFrame({'key1':['a,b,c','1,2,3'],
'key2':['a-b-c','1-2-3']})
print(df)
print('--------------------------')
print(df['key1'].str.split(','))
运行结果如下：
0 a,b,c
1 x,y,3
2 [6,6]
dtype: object
--------------------------
0 [a, b, c]
1 [x, y, 3]
2 NaN
dtype: object
--------------------------
<class 'pandas.core.series.Series'>
--------------------------
类型是：
<class 'list'>
--------------------------
得到列表中第一个元素的数据：
['a', 'b', 'c']
--------------------------
得到列表中第一个元素中的第一个的数据：
a
--------------------------
<class 'pandas.core.series.Series'>
--------------------------
0 a
1 x
2 NaN
dtype: object
--------------------------
0 b
1 y
2 NaN
dtype: object
--------------------------
0 1 2
0 a b c
1 x y 3
2 NaN NaN NaN
--------------------------
<class 'pandas.core.frame.DataFrame'>
--------------------------
0 1
0 a b,c
1 x y,3
2 NaN NaN
--------------------------
0 1
0 a,b c
1 x,y 3
2 NaN NaN
--------------------------
key1 key2
0 a,b,c a-b-c
1 1,2,3 1-2-3
--------------------------
0 [a, b, c]
1 [1, 2, 3]
Name: key1, dtype: object
五、字符串索引
ps = pd.Series(['he','be','ce','De','Python','666',np.nan,'hello'])
df = pd.DataFrame({'key1':list('abcdef'),
'key2':['haaa','pandas','s','numpy','777',np.nan]})
print('第一个字符串：\n',ps.str[0])
print('--------------------------')
print('前两个字符串：\n',ps.str[:2])
print('--------------------------')
print('key2列的第一个字符串：\n',df['key2'].str[0])
运行结果如下：
第一个字符串：
0 h
1 b
2 c
3 D
4 P
5 6
6 NaN
7 h
dtype: object
--------------------------
前两个字符串：
0 he
1 be
2 ce
3 De
4 Py
5 66
6 NaN
7 he
dtype: object
--------------------------
key2列的第一个字符串：
0 h
1 p
2 s
3 n
4 7
5 NaN
Name: key2, dtype: object
扫一扫
1511
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
