pandas处理字符串

# pandas 字符串的处理
# 前面已经学习了字符串的处理函数
#  df["bWendu"].str.replace("℃","").astype(int32)

# pandas的字符串处理
#     1 ： 使用方法：先获取seriea的str属性，然后在属性上调用函数
#     2 ： 只能在字符串列上使用，不能在数字列上使用
#     3 ： DataFrame上没有str属性和处理方法
#     4 ： 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：
#  1 获取series的str属性，然后使用各种字符串处理函数
#  2 使用str的startswith、contain等bool类series可以做条件查询
#  3 需要多次str处理的链式操作
#  4 使用正则表达式的处理


#  0 读取北京的2018天气数据
import pandas as pd 
df = pd.read_csv("beijing_tianqi_2018.csv")
df.dtypes
# 换掉温度后面的后缀
# df.loc[:,"bWendu"] = df["bWendu"].str.replace("℃","").astype("int32")
# df.loc[:,"yWendu"] = df["yWendu"].str.replace("℃","").astype("int32")



#  1 获取series的str属性，使用各种字符串处理函数
df["bWendu"].str
# 字符串替换函数
df["bWendu"].str.replace("℃","")
# 判断是不是数字
df["bWendu"].str.isnumeric()

df["aqi"].str.len()#AttributeError: Can only use .str accessor with string values, which use np.object_ dtype in pandas

#   2 使用str的startseith、contains等得到bool的series可以做条件查询
condition = df["ymd"].str.startswith("2018-03")
df[condition].head()
# 3  需要多次str处理链式操作
# 实例：
#      1 先将日期2018-03-31替换成20180331的形式
#      2 提取月份字符串201803
df["ymd"].str.replace("-","")
# 每次调用函数，都返回一个新的series
df["ymd"].str.replace("-","").str.slice(0,6)
# slice就是切片语法，可以直接用
df["ymd"].str.replace("-","").str[0:6]


#  4 使用正则表达式处理
# 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)

# 怎样将“2018年12月31日”中的年月日三个中文字符去除？
# Series.str默认就开启了正则表达式模式
# 
# 方法1 
# df["中文日期"].str.replace("年","").str.replace("月","").str.replace("日","")

# 方法2 :正则表达式替换

df["中文日期"].str.replace("[年月日]","")