Pandas是一个强大的数据处理工具，除了能处理数值和时间序列等数据类型外，还能够方便地处理字符串数据。
常用的字符串处理函数如下表所示：
| 函数名称 | 函数功能说明 |
|---|---|
| lower() | 将的字符串转换为小写。 |
| upper() | 将的字符串转换为大写。 |
| len() | 得出字符串的长度。 |
| strip() | 去除字符串两边的空格（包含换行符）。 |
| split() | 用指定的分割符分割字符串。 |
| cat(sep="") | 用给定的分隔符连接字符串元素。 |
| get_dummies() | 返回一个带有独热编码值的 DataFrame 结构。 |
| contains(pattern) | 如果子字符串包含在元素中，则为每个元素返回一个布尔值 True，否则为 False。 |
| replace(a,b) | 将值 a 替换为值 b。 |
| count(pattern) | 返回每个字符串元素出现的次数。 |
| startswith(pattern) | 如果 Series 中的元素以指定的字符串开头，则返回 True。 |
| endswith(pattern) | 如果 Series 中的元素以指定的字符串结尾，则返回 True。 |
| findall(pattern) | 以列表的形式返出现的字符串。 |
| swapcase() | 交换大小写。 |
| islower() | 返回布尔值，检查 Series 中组成每个字符串的所有字符是否都为小写。 |
| issupper() | 返回布尔值，检查 Series 中组成每个字符串的所有字符是否都为大写。 |
| isnumeric() | 返回布尔值，检查 Series 中组成每个字符串的所有字符是否都为数字。 |
| repeat(value) | 以指定的次数重复每个元素。 |
| find(pattern) | 返回字符串第一次出现的索引位置。 |
下面就来详细介绍一下Pandas处理字符串的最常用的8种方法。
str.lower()和str.upper()方法
str.lower()方法可以将字符串全部转换成小写字母。
str.upper()方法可以将字符串全部转换成
大写字母。
示例如下：
import pandas as pd
df = pd.DataFrame({'string': ['Lower', 'UPPER', 'Mixed', 'lowercase and UPPERCASE']})
# 转换成小写
df['lower'] = df['string'].str.lower()
# 转换成大写
df['upper'] = df['string'].str.upper()
print(df)输出：
string lower upper
0 Lower lower LOWER
1 UPPER upper UPPER
2 Mixed mixed MIXED
3 lowercase and UPPERCASE lowercase and uppercase LOWERCASE AND UPPERCASEstr.strip()方法
str.strip()方法可以去掉字符串开头和结尾的空格。
比如：
import pandas as pd
df = pd.DataFrame({'string': [' Leading spaces', 'Trailing spaces ', ' Both sides ', 'No spaces']})
# 去掉空格
df['stripped'] = df['string'].str.strip()
print(df)输出结果为：
string stripped
0 Leading spaces Leading spaces
1 Trailing spaces Trailing spaces
2 Both sides Both sides
3 No spaces No spacesstr.replace()方法
str.replace()方法可以将字符串中的某个子串替换为另一个子串。
示例：
import pandas as pd
df = pd.DataFrame({'string': ['hello, world', 'goodbye, world', 'hello, pandas']})
# 替换子串
df['replaced'] = df['string'].str.replace('world', 'pandas')
print(df)输出：
string replaced
0 hello, world hello, pandas
1 goodbye, world goodbye, pandas
2 hello, pandas hello, pandasstr.split()方法
str.split()方法可以将字符串按照某个分隔符分割成若干个子串，并返回一个包含这些子串的列表。
例如：
import pandas as pd
df = pd.DataFrame({'string': ['apple,banana,orange', 'dog,cat,rabbit', 'John,Paul,George,Ringo']})
# 按逗号分割
df['split'] = df['string'].str.split(',')
print(df)输出：
string split
0 apple,banana,orange [apple, banana, orange]
1 dog,cat,rabbit [dog, cat, rabbit]
2 John,Paul,George,Ringo [John, Paul, George, Ringo]str.extract()方法
str.extract()方法可以从字符串中提取出满足某个正则表达式的子串。
示例：
import pandas as pd
s_extract = pd.Series(['apple_123', 'banana_456', 'carrot_789', 'dog'])
s_extract = s_extract.str.extract(r'(\w+)_(\d+)')
print(s_extract)输出结果为:
0 1
0 apple 123
1 banana 456
2 carrot 789
3 NaN NaNstr.contains()
str.contains()方法用于检查字符串是否包含指定子串，返回布尔值。
例如：
import pandas as pd
# 创建示例Series
s = pd.Series(['apple', 'banana', 'carrot', 'dog'])
s_contains = s.str.contains('a')
print(s_contains)输出结果为：
0 True
1 True
2 True
3 False
dtype: bool本文链接：https://my.lmcjl.com/post/19995.html
展开阅读全文
4 评论