Python Pandas - Работа с текстовыми данными
В этой главе мы обсудим строковые операции с нашей базовой серией / индексом. В следующих главах мы узнаем, как применять эти строковые функции к DataFrame.
Pandas предоставляет набор строковых функций, которые упрощают работу со строковыми данными. Что наиболее важно, эти функции игнорируют (или исключают) отсутствующие значения / NaN.
Почти все эти методы работают со строковыми функциями Python (см .: https://docs.python.org/3/library/stdtypes.html#string-methods). Итак, преобразуйте объект серии в объект String, а затем выполните операцию.
Давайте теперь посмотрим, как работает каждая операция.
Старший Нет | Описание функции |
---|---|
1 | lower() Преобразует строки в серии / указателе в нижний регистр. |
2 | upper() Преобразует строки в серии / указателе в верхний регистр. |
3 | len() Вычисляет длину строки (). |
4 | strip() Помогает удалить пробелы (включая новую строку) из каждой строки в серии / индексе с обеих сторон. |
5 | split(' ') Разбивает каждую строку по заданному шаблону. |
6 | cat(sep=' ') Объединяет элементы серии / индекса с заданным разделителем. |
7 | get_dummies() Возвращает DataFrame со значениями One-Hot Encoded. |
8 | contains(pattern) Возвращает логическое значение True для каждого элемента, если подстрока содержится в элементе, иначе False. |
9 | replace(a,b) Заменяет значение a со значением b. |
10 | repeat(value) Повторяет каждый элемент заданное количество раз. |
11 | count(pattern) Возвращает количество появлений узора в каждом элементе. |
12 | startswith(pattern) Возвращает true, если элемент в серии / индексе начинается с шаблона. |
13 | endswith(pattern) Возвращает истину, если элемент в серии / указателе заканчивается шаблоном. |
14 | find(pattern) Возвращает первую позицию первого вхождения шаблона. |
15 | findall(pattern) Возвращает список всех вхождений шаблона. |
16 | swapcase Меняет местами регистр нижний / верхний. |
17 | islower() Проверяет, все ли символы в каждой строке в Серии / Индексе в нижнем регистре или нет. Возвращает логическое значение |
18 | isupper() Проверяет, все ли символы в каждой строке в Серии / Индексе в верхнем регистре или нет. Возвращает логическое значение. |
19 | isnumeric() Проверяет, все ли символы в каждой строке в серии / индексе являются числовыми. Возвращает логическое значение. |
Давайте теперь создадим серию и посмотрим, как работают все вышеперечисленные функции.
import pandas as pd
import numpy as np
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])
print s
это output выглядит следующим образом -
0 Tom
1 William Rick
2 John
3 Alber@t
4 NaN
5 1234
6 Steve Smith
dtype: object
нижний ()
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()
это output выглядит следующим образом -
0 tom
1 william rick
2 john
3 alber@t
4 NaN
5 1234
6 steve smith
dtype: object
верхний ()
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()
это output выглядит следующим образом -
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()
это output выглядит следующим образом -
0 3.0
1 12.0
2 4.0
3 7.0
4 NaN
5 4.0
6 10.0
dtype: float64
полоса ()
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()
это output выглядит следующим образом -
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
сплит (узор)
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(' ')
это output выглядит следующим образом -
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
кошка (sep = шаблон)
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.cat(sep='_')
это output выглядит следующим образом -
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()
это output выглядит следующим образом -
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
содержит ()
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.contains(' ')
это output выглядит следующим образом -
0 True
1 True
2 False
3 False
dtype: bool
заменить (а, б)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("After replacing @ with $:")
print s.str.replace('@','$')
это output выглядит следующим образом -
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
повторить (значение)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.repeat(2)
это output выглядит следующим образом -
0 Tom Tom
1 William Rick William Rick
2 JohnJohn
3 Alber@tAlber@t
dtype: object
count (шаблон)
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')
это output выглядит следующим образом -
The number of 'm's in each string:
0 1
1 1
2 0
3 0
начинается с (шаблон)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that start with 'T':")
print s.str. startswith ('T')
это output выглядит следующим образом -
0 True
1 False
2 False
3 False
dtype: bool
заканчивается (узор)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that end with 't':")
print s.str.endswith('t')
это output выглядит следующим образом -
Strings that end with 't':
0 False
1 False
2 False
3 True
dtype: bool
найти (шаблон)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.find('e')
это output выглядит следующим образом -
0 -1
1 -1
2 -1
3 3
dtype: int64
«-1» означает, что в элементе нет такого шаблона.
findall (шаблон)
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.findall('e')
это output выглядит следующим образом -
0 []
1 []
2 []
3 [e]
dtype: object
Нулевой список ([]) указывает, что в элементе нет такого шаблона.
swapcase ()
import pandas as pd
s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print s.str.swapcase()
это output выглядит следующим образом -
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()
это output выглядит следующим образом -
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()
это output выглядит следующим образом -
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()
это output выглядит следующим образом -
0 False
1 False
2 False
3 False
dtype: bool