Series.str的方法用途

最新推荐文章于 2023-09-04 19:49:00 发布
原创 最新推荐文章于 2023-09-04 19:49:00 发布 · 5.5k 阅读 · 63 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文介绍了Pandas中Series.str的多种方法，包括拼接、切分、获取、连接、判断、替换、重复、补齐、切割、匹配、计算、转换等操作。详细讲解了如cat(), split(), get(), join(), contains(), replace(), pad(), slice(), count(), startswith(), findall(), extract()等方法的使用，帮助理解如何对Series中的字符串进行高效处理。" 128132558,15180985,Java毕业设计：代驾管理系统Mybatis实现,"['Java', 'Mybatis', '数据库管理', '毕业设计', 'B/S架构']

Series.str的类型为pandas.core.strings.StringMethods，可以简单的理解为把Series类型转化成str，可以对Series进行有关str的一些操作； 下面介绍Series.str的方法

文章目录

1、cat（）：拼接字符串

from pandas import Series
a=Series(['a','b','c'])
print(a)
#输出结果：
0    a
1    b
2    c
dtype: object

a1=a.str.cat(['A','B','C'],sep='.')
a2=a.str.cat(sep=',')
a3=a.str.cat([['x','y','z'],['1','2','3']],sep=',')
print(a1)
print(a2)
print(a3)
#输出结果为：
0    a.A
1    b.B
2    c.C
dtype: object
a,b,c
0    a,x,1
1    b,y,2
2    c,z,3
dtype: object

2、split（）：切分字符串，返回列表

from pandas import Series
import numpy as np
s=Series(['a_b_c','c_d_e',np.nan,'f_g_h'])
print(s)
#输出结果为：
0    a_b_c
1    c_d_e
2      NaN
3    f_g_h
dtype: object


s1=s.str.split('_')  #默认n=-1
s2=s.str.split('_',0) #n=-1或者0都会全分割
s3=s.str.split('_',1)
print(s1)
print(s2)
print(s3)
#输出结果为：
0    [a, b, c]
1    [c, d, e]
2          NaN
3    [f, g, h]
dtype: object
0    [a, b, c]
1    [c, d, e]
2          NaN
3    [f, g, h]
dtype: object
0    [a, b_c]
1    [c, d_e]
2         NaN
3    [f, g_h]
dtype: object

3、get（）：获取指定位置的字符串

print(s.str.get(0))
#输出结果：
0      a
1      c
2    NaN
3      f
dtype: object

获取指定位置字符串还有另一种方式

print(s.str[0:2])
#输出结果为：
0     a_
1     c_
2    NaN
3     f_
dtype: object

4、join（）：对每个字符都用给定的字符连接起来

print(s.str.join('!'))
#输出结果：
0    a!_!b!_!c
1    c!_!d!_!e
2          NaN
3    f!_!g!_!h
dtype: object

5、contains（）：判断是否包含表达式

print(s.str.contains('d'))
#输出结果：
0    False
1     True
2      NaN
3    False
dtype: object

6、replace（）：替换

print(s.str.replace('_','.'))
#输出结果为：
0    a.b.c
1    c.d.e
2      NaN
3    f.g.h
dtype: object

7、repeat（）：重复

print(s.str.repeat(3))
#输出结果为：
0    a_b_ca_b_ca_b_c
1    c_d_ec_d_ec_d_e
2                NaN
3    f_g_hf_g_hf_g_h
dtype: object

8、补齐

（1）pad（self, width, side=‘left’, fillchar=’ '）左右补齐

print(s.str.pad(10,fillchar='?',side='right'))
#输出结果：
0    a_b_c?????
1    c_d_e?????
2           NaN
3    f_g_h?????
dtype: object

print(s.str.pad(10,fillchar='?',side='left'))
#输出结果：
0    ?????a_b_c
1    ?????c_d_e
2           NaN
3    ?????f_g_h
dtype: object

print(s.str.pad(10,fillchar='?',side='both'))
#输出结果：

0    ??a_b_c???
1    ??c_d_e???
2           NaN
3    ??f_g_h???
dtype: object

（2）center（）中间补齐

print(s.str.center(10,fillchar='?'))
#输出结果：
0    ??a_b_c???
1    ??c_d_e???
2           NaN
3    ??f_g_h???
dtype: object

（3）ljust（）右边补齐、rjust（）左边补齐

print(s.str.ljust(10,fillchar='?'))
#输出结果为：
0    a_b_c?????
1    c_d_e?????
2           NaN
3    f_g_h?????
dtype: object

（4）zfill（）左边补0

print(s.str.zfill(10))
#输出结果为：
0    00000a_b_c
1    00000c_d_e
2           NaN
3    00000f_g_h
dtype: object

9、wrap()：在指定的位置加回车符号

print(s.str.wrap(3))
#输出结果为：
0    a_b\n_c
1    c_d\n_e
2        NaN
3    f_g\n_h
dtype: object

10、slice()：按给点的开始结束位置切割字符串

print(s.str.slice(1,3))
#输出结果为：
0     _b
1     _d
2    NaN
3     _g
dtype: object

11、slice_replace：使用给定的字符串，替换指定位置的字符

print(s.str.slice_replace(1,3,"?"))
#输出结果：
0    a?_c
1    c?_e
2     NaN
3    f?_h
dtype: object

12、count（）：计算给定单词出现的次数

print(s.str.count('a'))
#输出结果：
0    1.0
1    0.0
2    NaN
3    0.0
dtype: float64

13、startswith()： 判断是否以给定的字符串开头,endswith() ：判断是否以给定的字符串结束

print(s.str.startswith('a'))
#输出结果为：
0     True
1    False
2      NaN
3    False
dtype: object

14、findall() ：查找所有符合正则表达式的字符，以数组形式返回

print(s.str.findall('[a-z]'))
#输出结果：
0    [a, b, c]
1    [c, d, e]
2          NaN
3    [f, g, h]
dtype: object

15、match() ：检测是否全部匹配给点的字符串或者表达式

print(s.str.match('[d-z]'))
#输出结果：
0    False
1    False
2      NaN
3     True
dtype: object

16、extract() ：抽取匹配的字符串出来，注意要加上括号，把你需要抽取的东西标注上

print(s.str.extract("([d-z])"))

#输出结果:
     0
0  NaN
1    d
2  NaN
3    f

17、len() ：计算字符串的长度

print(s.str.len())
#输出结果：
0    5.0
1    5.0
2    NaN
3    5.0
dtype: float64

18、strip() ：去除前后的空白字符 、rstrip()： 去除后面的空白字符 、lstrip() ：去除前面的空白字符

name=Series(['Jack  ','jill ','jesse ','frank  '])
name.str.strip()
#输出结果：
0     Jack
1     jill
2    jesse
3    frank
dtype: object

19、partition() ：把字符串数组切割称为DataFrame， 注意切割只是切割称为三部分，分隔符前，分隔符，分隔符后

print(s.str.partition('_'))
#输出结果：
	0	1	2
0	a	_	b_c
1	c	_	d_e
2	NaN	NaN	NaN
3	f	_	g_h

#rpartition() 从右切起
print(s.str.rpartition('_'))
#输出结果为：
    0    1    2
0  a_b    _    c
1  c_d    _    e
2  NaN  NaN  NaN
3  f_g    _    h

20、lower() 全部小写、upper() 全部大写

print(s.str.upper())
#输出结果：
0    A_B_C
1    C_D_E
2      NaN
3    F_G_H
dtype: object

21、find() ：从左边开始，查找给定字符串的所在位置,-1表示找不到

print(s.str.find('d'))
#输出结果：

0   -1.0
1    2.0
2    NaN
3   -1.0
dtype: float64


#rfind() 从右边开始，查找给定字符串的所在位置
print(s.str.rfind('e'))
#输出结果：
0   -1.0
1    4.0
2    NaN
3   -1.0
dtype: float64

22、index() ：查找给定字符串的位置，注意，如果不存在这个字符串，那么会报错！

print(s.str.index('_'))
#输出结果:
0    1.0
1    1.0
2    NaN
3    1.0
dtype: float64

#rindex() 查找给定字符串的位置,最大索引
print(s.str.rindex('_'))
#输出结果：
0    3.0
1    3.0
2    NaN
3    3.0
dtype: float64

23、capitalize() ：首字符大写

print(s.str.capitalize())
#输出结果：
0    A_b_c
1    C_d_e
2      NaN
3    F_g_h
dtype: object

24、swapcase() ：大小写互换

print(s.str.swapcase())
#输出结果：
0    A_B_C
1    C_D_E
2      NaN
3    F_G_H
dtype: object

25、isalnum() ：是否全部是数字和字母组成

print(s.str.isalnum())
#输出结果:
0    False
1    False
2      NaN
3    False
dtype: object

26、其余的方法

isalpha() ：是否全部是字母
isdigit() ：是否全部都是数字
isspace()： 是否是空格
islower() ：是否全部小写
isupper()：是否全部大写
istitle() ：是否只有首字母为大写，其他字母为小写
isnumeric() ：是否是数字
isdecimal() ：是否是数字（带小数点的）

pandas Series矢量化的字符串函数——Series.str
悦光阴的博客
08-12 944
在清理文本数据时，对pandas Series(序列)可以使用map函数，所有的字符串都可以应用字符串函数或正则表达式，但是如果存在NA，就会报错。为了解决这个问题，Series有一些可以跳过NA值的字符串操作方法，这可以通过Series的str属性来访问。 s1 = pd.Series(['Mouse', 'dog', 'house and parrot', '23', np.NaN]) s...
【Pandas】Series.str 对整列字符串进行相应操作
weixin_43941438的博客
06-26 912
例如，使用 “Series.str.len()” 来计算每个字符串的长度，或者使用 “Series.str.lower()” 将所有字符串转换为小写。还可以使用 “Series.str.contains()” 来检查每个字符串是否包含指定的模式。通过使用 “Series.str”，可以方便地对字符串列进行各种操作，如提取子字符串、查找模式匹配、替换字符串等。通过使用 “Series.str”，我们可以轻松地对 pandas Series 对象中的字符串数据进行处理，提高数据处理的效率和准确性。
Series字符串处理方法--Pandas
chongbaikaishi的博客
07-07 1048
字符串处理只能在Series上进行，不可以在DataFrame上操作，只能对字符串进行处理，不能对整数、日期进行处理。
python库--pandas--Series.str--字符串处理
p1049990866的博客
01-15 3636
文章目录原数据字符大小写转换字符串拼接自身拼接与其它series拼接数据含有None/NaN的情况字符填充/插入/扩展字符串内容判断查找统计转码删减/截取分割/替换更新字符串 原数据 import pandas as pd a = pd.Series(['aSd', 'asd', 'dfd fsAsf sfs']) b = pd.Series([None, 'asd', 'fgh']) ...
python正则匹配括号内任意字符_Python正则表达式：字符集、限制范围和否定
weixin_39595621的博客
12-01 1919
1.字符集虽然句点可以匹配任意符号，但是如果需要匹配某些特定字符，可以使用方括号([])。方括号的正则表达式能够匹配方括号内包含的任意字符。下列为一些示例：正则表达式1:b[aeiu]其匹配的字符串是bat、bet、bit、but正则表达式2:[er][23][dp][o2]其匹配是一个包含四个字符的字符串，第一个字符是c或者r，然后是2或3，后面是d或者p,最后要么是o要么是2，例如e3do、r...
.str.split中为什么要有.str
06-27
### 用途和机制 Pandas 的 `str.split` 方法用于将字符串列拆分成多个部分。在数据分析过程中，经常需要处理包含多个信息字段的字符串，例如姓名、地址或标签等。通过使用 `str.split`，可以轻松地将这些字段拆分为...
.str()
03-24
这里是一些常见的 `.str` 方法及其用途： #### 1. 字符串切片 可以使用 `.str.slice(start, stop)` 对字符串进行切片操作。 ```python import pandas as pd data = {'text': ['abcdef', 'ghijklmn']} df = pd....
recipe_df.columns.str.contains('-sta', case=False)
09-04
| `.str` | 对列名进行字符串操作（pandas 的向量化字符串方法） | | `.contains('-sta')` | 判断每个列名是否**包含**子字符串 `'-sta'` | | `case=False` | 忽略大小写，即匹配 `-sta`、`-STA`、`-StA` 等形式 | ...
timeseries.index.date.astype()
最新发布
09-21
因为`index.date`返回的是一个`numpy.ndarray`，其元素是`datetime.date`对象，而`datetime.date`对象并不直接支持Pandas的`astype`方法（通常用于Series或DataFrame）。因此，我们需要澄清并给出正确的操作方式。 ...
datafarame类型的df，df["列名"]>20 或者df.str.contains()这些返回的是什么
03-22
第二个是df.str.contains()，可能用户在这里有个误区，因为str.contains()是用于Series的字符串处理，如果直接在DataFrame上使用会报错。需要指出正确的用法，比如在某个列上应用。 然后，要考虑用户可能的错误使用...
Pandas小白入门散记(3)---Series.str--源代码定位问题
mantoureganmian的专栏
09-04 236
源码解读探索
Series中str属性的方法用途
a_2435542821的博客
12-25 3879
在使用pandas框架的DataFrame的过程中，如果需要处理一些字符串的特性，例如判断某列是否包含一些关键字，某列的字符长度是否小于3等等这种需求，如果掌握str列内置的方法，处理起来会方便很多。 下面我们来详细了解一下，Series类的str自带的方法有哪些。 1、cat() 拼接字符串 例子： >>> Series([‘a‘, ‘b‘, ‘c‘]).str.ca...
Series.str方法
weixin_30249203的博客
06-13 1807
1 对dataframe的某一列用str处理后,其类型是<class 'pandas.core.strings.StringMethods'>.可以对df.['列名'].str直接进行切片操作. 如下实现了将df中某列的字符串分割,后生成新的df.用apply函数也可以实现如下功能,但非常慢. 参考：https://blog.csdn.net/yueyao121107/articl...
Series.str——字符串批量处理方法
weixin_33984032的博客
11-21 1138
针对dataframe中的某一行（或列）想做批量字符串处理时，可采用此方法 series.str.python内置的str方法 例如： series.str.replace('A','B') # 整个series中所有字符串全部执行替换操作 python内置str方法汇总： https://www.cnblogs.com/P--K/p/8443995.html 转载...
Pandas（六）：Series中str属性的方法+index索引的特点
不愿意透露姓名的网友
07-25 2723
文章目录一、Pandas字符串处理1.Pandas的字符串处理的基本介绍2.一些常用方法的使用举例3.使用过程中的一些注意二、index索引的特点1.特点2.为什么使用index索引可以提高查询性能呢？ 一、Pandas字符串处理 前面我们已经使用了字符串的处理函数： df["bWendu"].str.replace("℃", "").astype('int32') 1.Pandas的字符串处理的基本介绍 使用方法：先获取Series的str属性，然后在属性上调用函数； 只能在字符串列上使用，不能数字列
Pandas小技巧------Series.str.strip()，通过str属性可访问strip()方法
抱富的博客
06-03 2930
Series的str属性 格式：XXX.str.strip() 只有Series可用，即某列。 print(alibaba.head()) #对于索引列，是Series，Series有str属性 alibaba.index=pd.DatetimeIndex(alibaba.index.str.strip("'")) print(alibaba.head()) 参考Pandas官方文档 https://www.pypandas.cn/docs/user_guide/text.html#%E6%8B%8
Python之pandas中Series对象下的str方法汇总
热门推荐
皮皮鱼哟
08-13 1万+
目录Python之pandas中Series对象下的str方法汇总1. cat（和指定字符进行拼接）2. split（按照指定字符串分隔）3. rsplit（和split用法一致，只不过默认是从右往左分隔）4. partition（也是按照指定字符串分隔，和python内置的partition一样）5. rpartition（和partition类似，不过是默认是从右往左找到第一个分隔符）6. get（获取指定位置的字符，只能获取1个）7. slice（和python内置的slice一样。get相当于是[n
Python string字符串
Claroja
03-23 2416
Python 文本数据处理函数 方法 函数 字符串连接 cat() 复制字符串 repeat() 字符串计数 count() 大小写转换 lower() upper() capitalize(
Pandas.Series.str的常见用法（持续更新）
weixin_46169869的博客
11-29 604
pandas字符串操作
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值