Python Pandas - การทำงานกับข้อมูลข้อความ

ในบทนี้เราจะพูดถึงการทำงานของสตริงกับซีรี่ส์ / ดัชนีพื้นฐานของเรา ในบทต่อ ๆ ไปเราจะเรียนรู้วิธีใช้ฟังก์ชันสตริงเหล่านี้บน DataFrame

Pandas มีชุดฟังก์ชันสตริงที่ทำให้ใช้งานข้อมูลสตริงได้ง่าย สิ่งสำคัญที่สุดคือฟังก์ชันเหล่านี้จะละเว้น (หรือไม่รวม) ค่า / NaN ที่ขาดหายไป

เกือบทุกวิธีเหล่านี้ใช้ได้กับฟังก์ชันสตริง Python (อ้างอิง: https://docs.python.org/3/library/stdtypes.html#string-methods). ดังนั้นแปลง Series Object เป็น String Object แล้วดำเนินการ

ตอนนี้ให้เราดูว่าแต่ละการดำเนินการทำงานอย่างไร

ซีเนียร์ No	ฟังก์ชั่นและคำอธิบาย
1	lower() แปลงสตริงใน Series / Index เป็นตัวพิมพ์เล็ก
2	upper() แปลงสตริงในซีรี่ส์ / ดัชนีเป็นตัวพิมพ์ใหญ่
3	len() คำนวณความยาวสตริง ()
4	strip() ช่วยตัดช่องว่าง (รวมถึงการขึ้นบรรทัดใหม่) จากแต่ละสตริงในซีรีส์ / ดัชนีจากทั้งสองด้าน
5	split(' ') แยกแต่ละสตริงด้วยรูปแบบที่กำหนด
6	cat(sep=' ') เชื่อมองค์ประกอบชุด / ดัชนีด้วยตัวคั่นที่กำหนด
7	get_dummies() ส่งคืน DataFrame ด้วยค่า One-Hot Encoded
8	contains(pattern) ส่งคืนค่าบูลีนเป็น True สำหรับแต่ละองค์ประกอบหากสตริงย่อยมีอยู่ในองค์ประกอบอื่น ๆ False
9	replace(a,b) แทนที่ค่า a ด้วยค่า b.
10	repeat(value) ทำซ้ำแต่ละองค์ประกอบตามจำนวนครั้งที่ระบุ
11	count(pattern) ส่งกลับจำนวนการปรากฏของรูปแบบในแต่ละองค์ประกอบ
12	startswith(pattern) ส่งคืนค่าจริงหากองค์ประกอบในซีรี่ส์ / ดัชนีเริ่มต้นด้วยรูปแบบ
13	endswith(pattern) ส่งคืนจริงหากองค์ประกอบในซีรี่ส์ / ดัชนีลงท้ายด้วยรูปแบบ
14	find(pattern) ส่งคืนตำแหน่งแรกของการเกิดครั้งแรกของรูปแบบ
15	findall(pattern) ส่งกลับรายการของรูปแบบที่เกิดขึ้นทั้งหมด
16	swapcase สลับตัวพิมพ์เล็ก / ใหญ่
17	islower() ตรวจสอบว่าอักขระทั้งหมดในแต่ละสตริงในซีรี่ส์ / ดัชนีเป็นตัวพิมพ์เล็กหรือไม่ ส่งคืนบูลีน
18	isupper() ตรวจสอบว่าอักขระทั้งหมดในแต่ละสตริงในซีรี่ส์ / ดัชนีเป็นตัวพิมพ์ใหญ่หรือไม่ ส่งคืนบูลีน
19	isnumeric() ตรวจสอบว่าอักขระทั้งหมดในแต่ละสตริงในซีรี่ส์ / ดัชนีเป็นตัวเลขหรือไม่ ส่งคืนบูลีน

ตอนนี้ให้เราสร้างซีรี่ส์และดูว่าฟังก์ชันทั้งหมดข้างต้นทำงานอย่างไร

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith'])

print s

มัน output มีดังนี้ -

0            Tom
1   William Rick
2           John
3        Alber@t
4            NaN
5           1234
6    Steve Smith
dtype: object

ต่ำกว่า ()

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()

มัน output มีดังนี้ -

0            tom
1   william rick
2           john
3        alber@t
4            NaN
5           1234
6    steve smith
dtype: object

บน ()

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()

มัน output มีดังนี้ -

0            TOM
1   WILLIAM RICK
2           JOHN
3        ALBER@T
4            NaN
5           1234
6    STEVE SMITH
dtype: object

เลน ()

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()

มัน output มีดังนี้ -

0    3.0
1   12.0
2    4.0
3    7.0
4    NaN
5    4.0
6   10.0
dtype: float64

แถบ ()

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()

มัน output มีดังนี้ -

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

แยก (รูปแบบ)

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(' ')

มัน output มีดังนี้ -

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

แมว (sep = pattern)

import pandas as pd
import numpy as np

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.cat(sep='_')

มัน output มีดังนี้ -

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()

มัน output มีดังนี้ -

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

ประกอบด้วย ()

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.contains(' ')

มัน output มีดังนี้ -

0   True
1   True
2   False
3   False
dtype: bool

แทนที่ (a, b)

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("After replacing @ with $:")
print s.str.replace('@','$')

มัน output มีดังนี้ -

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

ทำซ้ำ (ค่า)

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.repeat(2)

มัน output มีดังนี้ -

0   Tom            Tom
1   William Rick   William Rick
2                  JohnJohn
3                  Alber@tAlber@t
dtype: object

นับ (รูปแบบ)

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')

มัน output มีดังนี้ -

The number of 'm's in each string:
0    1
1    1
2    0
3    0

เริ่มต้นด้วย (รูปแบบ)

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print ("Strings that start with 'T':")
print s.str. startswith ('T')

มัน output มีดังนี้ -

0  True
1  False
2  False
3  False
dtype: bool

สิ้นสุดด้วย (รูปแบบ)

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that end with 't':")
print s.str.endswith('t')

มัน output มีดังนี้ -

Strings that end with 't':
0  False
1  False
2  False
3  True
dtype: bool

ค้นหา (รูปแบบ)

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.find('e')

มัน output มีดังนี้ -

0  -1
1  -1
2  -1
3   3
dtype: int64

"-1" แสดงว่าไม่มีรูปแบบดังกล่าวในองค์ประกอบ

findall (รูปแบบ)

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])

print s.str.findall('e')

มัน output มีดังนี้ -

0 []
1 []
2 []
3 [e]
dtype: object

รายการค่าว่าง ([]) บ่งชี้ว่าไม่มีรูปแบบดังกล่าวในองค์ประกอบ

แลกเปลี่ยน ()

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print s.str.swapcase()

มัน output มีดังนี้ -

0  tOM
1  wILLIAM rICK
2  jOHN
3  aLBER@T
dtype: object

ไอโซเวอร์ ()

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])
print s.str.islower()

มัน output มีดังนี้ -

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()

มัน output มีดังนี้ -

0  False
1  False
2  False
3  False
dtype: bool

เป็นตัวเลข ()

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t'])

print s.str.isnumeric()

มัน output มีดังนี้ -

0  False
1  False
2  False
3  False
dtype: bool