Pandas处理文本数据

在本章中，我们将用我们的基本序列/索引来讨论字符串操作。在随后的章节中，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，可以很容易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）丢失/ NaN值。

几乎所有这些方法都与Python字符串函数一起工作（请参阅：https：//docs.python.org/3/library/stdtypes.html#string- methods）。所以，将Series Object转换为String Object，然后执行操作。

现在让我们看看每个操作是如何执行的。

S.No	功能	描述
1	lower()	将Series / Index中的字符串转换为小写字母。
2	upper()	将Series / Index中的字符串转换为大写。
3	len()	计算字符串的长度（）。
4	strip()	帮助从两侧删除Series / index中每个字符串的空格（包括换行符）。
5	split(' ')	用给定的模式分割每个字符串。
6	cat(sep=' ')	使用给定的分隔符连接序列/索引元素。
7	get_dummies（）	用One-Hot Encoded值返回DataFrame。
8	contains(pattern)	如果子字符串包含在元素中，则返回每个元素的布尔值True，否则返回False。
9	replace(a,b)	替换值一个与值 b 。
10	repeat(value)	以指定的次数重复每个元素。
11	count(pattern)	返回每个元素中的模式出现次数。
12	startswith(pattern)	如果Series / Index中的元素以模式开始，则返回true。
13	endswith(pattern)	如果Series / Index中的元素以模式结尾，则返回true。
14	find(pattern)	返回模式第一次出现的第一个位置。
15	findall(pattern)	返回模式的所有出现的列表。
16	swapcase	将箱子更换/更换。
17	islower()	检查Series / Index中每个字符串中的所有字符是否小写。返回布尔值
18	isupper（）	检查Series / Index中每个字符串中的所有字符是否大写。返回布尔值。
19	isnumeric()	检查Series / Index中每个字符串中的所有字符是否为数字。返回布尔值。

让我们现在创建一个序列，看看以上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

lower()

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

upper()

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

len()

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

strip()

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

split(pattern)

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

cat(sep=pattern)

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

contains ()

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

replace(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

repeat(value)

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

count(pattern)

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

startswith(pattern)

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

endswith(pattern)

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

find(pattern)

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。

findall(pattern)

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模式。

swapcase()

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

isnumeric()

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