每日Python 数据处理符号采用apply函数 和replece函数

对读取的·series采用apply函数 和replece函数，替换

df1['淘宝订单编号'] = df1['淘宝订单编号'].apply(lambda x:str(x).replace(' ',''))#去除\t
df1['淘宝订单编号'] = df1['淘宝订单编号'].apply(lambda x:str(x).replace('\t',''))#去除\t
df1['淘宝订单编号'] = df1['淘宝订单编号'].apply(lambda x:str(x).replace('',''))#去除\t

.apply函数

apply函数是pandas里面所有函数中自由度最高的函数。该函数如下：

DataFrame.apply(func, axis=0, broadcast=False, raw=False, reduce=None, args=(), **kwds)

该函数最有用的是第一个参数，这个参数是函数，相当于C/C++的函数指针。
这个函数需要自己实现，函数的传入参数根据axis来定，比如axis = 1，就会把一行数据作为Series的数据 结构传入给自己实现的函数中，我们在函数中实现对Series不同属性之间的计算，返回一个结果，则apply函数 会自动遍历每一行DataFrame的数据，最后将所有结果组合成一个Series数据结构并返回。
特点：自动遍历，自动封装，泛型 – for循环遍历返回类型

replace函数

Python replace() 方法把字符串中的 old（旧字符串） 替换成 new(新字符串)，如果指定第三个参数max，则替换不超过 max 次

series的str函数

data[“淘宝订单编号”]=data[“淘宝订单编号”].str.strip()

遍历处理成字符串

更多的str的字符串函数看其他博主
https://blog.youkuaiyun.com/weixin_43750377/article/details/107979607