Pandas中字符串處理

Pandas字符串處理

Series.str字符串方法列表參考文檔

文章目錄

Pandas字符串處理

讀取數據

獲取Series的str屬性，使用各種字符串處理函數

使用str的startswith、contains等得到bool的Series可以做條件查詢

需要多次str處理的鏈式操作

使用正則表達式的處理

Pandas的字符串處理：

使用方法：先獲取Series的str屬性，然后在屬性上調用函數；

只能在字符串列上使用，不能數字列上使用；

Dataframe上沒有str屬性和處理方法

Series.str并不是Python原生字符串，而是自己的一套方法，不過大部分和原生str很相似；

本節演示內容：

獲取Series的str屬性，然后使用各種字符串處理函數

使用str的startswith、contains等bool類Series可以做條件查詢

需要多次str處理的鏈式操作

使用正則表達式的處理

讀取數據

import pandas as pd

1

df = pd.read_csv("data.xlsx") df.head()

1

2

3

df.dtypes

1

ymd object bWendu object yWendu object tianqi object fengxiang object fengli object aqi int64 aqiInfo object aqiLevel int64 dtype: object

1

2

3

4

5

6

7

8

9

10

獲取Series的str屬性，使用各種字符串處理函數

df["bWendu"].str

1

1

# 字符串替換函數 df["bWendu"].str.replace("℃", "")

1

2

0 3 1 2 2 2 3 0 4 3 .. 360 -5 361 -3 362 -3 363 -2 364 -2 Name: bWendu, Length: 365, dtype: object

1

2

3

4

5

6

7

8

9

10

11

12

# 判斷是不是數字 df["bWendu"].str.isnumeric()

1

2

0 False 1 False 2 False 3 False 4 False ... 360 False 361 False 362 False 363 False 364 False Name: bWendu, Length: 365, dtype: bool

1

2

3

4

5

6

7

8

9

10

11

12

df["aqi"].str.len()

1

使用str的startswith、contains等得到bool的Series可以做條件查詢

condition = df["ymd"].str.startswith("2018-03")

1

condition

1

0 False 1 False 2 False 3 False 4 False ... 360 False 361 False 362 False 363 False 364 False Name: ymd, Length: 365, dtype: bool

1

2

3

4

5

6

7

8

9

10

11

12

df[condition].head()

1

需要多次str處理的鏈式操作

怎樣提取201803這樣的數字月份？

1、先將日期2018-03-31替換成20180331的形式

2、提取月份字符串201803

df["ymd"].str.replace("-", "")

1

0 20180101 1 20180102 2 20180103 3 20180104 4 20180105 ... 360 20181227 361 20181228 362 20181229 363 20181230 364 20181231 Name: ymd, Length: 365, dtype: object

1

2

3

4

5

6

7

8

9

10

11

12

# 每次調用函數，都返回一個新Series df["ymd"].str.replace("-", "").slice(0, 6)

1

2

使用正則表達式的處理

# 添加新列 def get_nianyueri(x): year,month,day = x["ymd"].split("-") return f"{year}年{month}月{day}日" df["中文日期"] = df.apply(get_nianyueri, axis=1)

1

2

3

4

5

df["中文日期"]

1

0 2018年01月01日 1 2018年01月02日 2 2018年01月03日 3 2018年01月04日 4 2018年01月05日 ... 360 2018年12月27日 361 2018年12月28日 362 2018年12月29日 363 2018年12月30日 364 2018年12月31日 Name: 中文日期, Length: 365, dtype: object

1

2

3

4

5

6

7

8

9

10

11

12

問題：怎樣將“2018年12月31日”中的年、月、日三個中文字符去除？

# 方法1：鏈式replace df["中文日期"].str.replace("年", "").str.replace("月","").str.replace("日", "")

1

2

0 20180101 1 20180102 2 20180103 3 20180104 4 20180105 ... 360 20181227 361 20181228 362 20181229 363 20181230 364 20181231 Name: 中文日期, Length: 365, dtype: object

1

2

3

4

5

6

7

8

9

10

11

12

Series.str默認就開啟了正則表達式模式

# 方法2：正則表達式替換 df["中文日期"].str.replace("[年月日]", "")

1

2

0 20180101 1 20180102 2 20180103 3 20180104 4 20180105 ... 360 20181227 361 20181228 362 20181229 363 20181230 364 20181231 Name: 中文日期, Length: 365, dtype: object

1

2

3

4

5

6

7

8

9

10

11

12

正則表達式

版權聲明：本文內容由網絡用戶投稿，版權歸原作者所有，本站不擁有其著作權，亦不承擔相應法律責任。如果您發現本站中有涉嫌抄襲或描述失實的內容，請聯系我們jiasou666@gmail.com 處理，核實后本網站將在24小時內刪除侵權內容。