pandas(十二)的字符串的处理20种方法

风华浪浪

已于 2023-07-04 01:26:27 修改

阅读量528

点赞数

CC 4.0 BY-SA版权

分类专栏： pandas 文章标签： pandas mysql 数据库

于 2023-07-03 18:39:59 首次发布

本文链接：https://blog.csdn.net/a6864657/article/details/131519596

pandas 专栏收录该内容

19 篇文章

订阅专栏

文章介绍了Pandas中Series对象的多种字符串处理方法，如capitalize(),casefold(),contains(),replace()等，强调了在DataFrame上进行字符串操作的方式，并提供了示例，如提取年月日、转换温度单位等，展示了在数据分析中如何进行数据清洗和预处理。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

一、Pandas 中的 Series 对象的各种字符串方法

方法	描述
Series.str.capitalize()	将Series中的字符串转换为首字母大写的形式
Series.str.casefold()	将Series中的字符串转换为小写形式
Series.str.cat()	使用给定的分隔符连接Series中的字符串
Series.str.center()	在Series中的字符串两侧填充空格，使其居中显示
Series.str.contains()	检查Series中的字符串是否包含指定的模式或正则表达式
Series.str.count()	统计Series中的每个字符串中指定模式的出现次数
Series.str.endswith()	检查Series中的字符串是否以指定的模式结尾
Series.str.extract()	从Series中的字符串中提取正则表达式中的捕获组作为DataFrame的列
Series.str.find()	返回Series中每个字符串中指定子字符串的最低索引
Series.str.join()	使用指定的分隔符将Series中作为元素的列表连接起来
Series.str.len()	计算Series中每个字符串的长度
Series.str.lower()	将Series中的字符串转换为小写形式
Series.str.lstrip()	移除Series中每个字符串的左侧空白字符
Series.str.match()	检查Series中的每个字符串是否以正则表达式匹配
Series.str.replace()	将Series中的字符串中的指定模式或正则表达式替换为指定的值
Series.str.rstrip()	移除Series中每个字符串的右侧空白字符
Series.str.split()	使用指定的分隔符将Series中的字符串分割成子字符串
Series.str.startswith()	检查Series中的字符串是否以指定的模式开头
Series.str.strip()	移除Series中每个字符串的左侧和右侧空白字符
Series.str.upper()	将Series中的字符串转换为大写形式

二、Pandas字符串处理

前面我们已经使用了字符串的处理函数：df["bWendu"7.str.replace("C", m).astype (int32')

Pandas的字符串处理

使用方法：先获取Series的str属性，然后在属性上调用函数;
只能在字符串列上使用，不能数字列上使用；
Dataframe 上没有str属性和处理方法
Series.str并不是Python原生字符串，而是自己的一套方法，不过大部分和原生str很相似；

本节演示内容：

获取Series的str属性，然后使用各种字符串处理函数
使用str的startswith、contains等boo!类Series可以做条件查询
需要多次str处理的链式操作
使用正则表达式的处理：str默认支持正则表达式操作

三、简单的示例

import pandas as pd
fpath = '/Users/python/Desktop/means/ml-25m/beijing_tianqi_2018.csv'
df = pd.read_csv(fpath)

	ymd	bWendu	yWendu	tianqi	fengxiang	fengli	aqi	aqiInfo	aqiLevel
0	2018-01-01	3℃	-6℃	晴~多云	东北风	1-2级	59	良	2
1	2018-01-02	2℃	-5℃	阴~多云	东北风	1-2级	49	优	1
2	2018-01-03	2℃	-5℃	多云	北风	1-2级	28	优	1
3	2018-01-04	0℃	-8℃	阴	东北风	1-2级	28	优	1
4	2018-01-05	3℃	-6℃	多云~晴	西北风	1-2级	50	优

适用Series的str属性，适用各种字符串处理函数

df['bWendu'].str.replace('℃', '')           将字符串替换成数字

0       3
1       2
       ..
363    -2
364    -2

df['bWendu'].str.isnumeric()  判读值是否为数字 number 类型
df['bWendu'].str.len()        判读str值的长度

0      False
1      False
       ...  
363    False
364    False

适用str的startswith、contains等得到bool的Serise做条件查询

查询是否为2018年3月份的的天气
condition = df['ymd'].str.startswith('2018-03')
print(condition)

0      False
1      False
       ...  
363    False
364    False

df[condition].head()  查询2018年3月份的天气情况

	ymd	bWendu	yWendu	tianqi	fengxiang	fengli	aqi	aqiInfo	aqiLevel
59	2018-03-01	8℃	-3℃	多云			西南风	1-2级	46	优		1
60	2018-03-02	9℃	-1℃	晴~多云		北风		1-2级	95	良		2
61	2018-03-03	13℃	 3℃	多云~阴		北风		1-2级	214	重度污染	5
62	2018-03-04	7℃	-2℃	阴~多云		东南风	1-2级	144	轻度污染	3
63	2018-03-05	8℃	-3℃	晴			南风		1-2级	94	良		2

需要多次str处理的链式操作
怎样提取201803这样的数字月份

先将日期2018-03-31替换成20180331的形式
提取月份字符串201803

 df['ymd'].str.replace('-', '').str.slice(0, 6)

df.loc[:, 'ymd'] = df['ymd'].str.replace('-', '')
condition = df['ymd'].str.startswith('201803')
df[condition].head()

将温度去掉℃并且转换成int类型
df.loc[:, 'bWendu'] = df['bWendu'].str.replace('℃', '').astype('int32')
df.loc[:, 'yWendu'] = df['yWendu'].str.replace('℃', '').astype('int32')

适用正则表达式的处理

添加新的一列，添加中文 年月日
def get_nianyueri(x):
    year, month, day = x['ymd'].split('-')
    return f"{year}年{month}月{day}"

df['日期'] = df.apply(get_nianyueri, axis=1)
df['日期']

0      2018年01月01
1      2018年01月02
          ...    
363    2018年12月30
364    2018年12月31

如何去掉年月日中文字符去掉
方式一：
	df['日期'].str.replace('年', '').str.replace('月', '').str.replace('日', '')

方式二：Series.str 默认开启正则表达式模式
	只要遇到年月日三个字符串的其中一个均替换，且替换成功
	df['日期'].str.replace('[年月日]', '') 

0      20180101
1      20180102
         ...   
363    20181230
364    20181231