【Pandas-04】字符串操作

例如：36℃把36分割出来，并转成整形

数据['温度'].str.replace('℃','').astype('int64')

Pandas的字符串处理：

1. 使用方法：先获取Series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；
5. 当然在pandas里面是object，不能是整型、时间类型等等。如果想对这些类型使用的话，必须先df["xx"].astype(str)转化一下，才能使用此方法。

   

一、字符串对象处理

1、cat 和指定字符进行拼接

1）介绍

方式一：数据['合并1']=数据['姓名']+数据['性别']+数据['身份']

注意：若遇到非字符串的需要先转成字符串：astype或map函数

# 等价于以下语句,可以加sep参数分隔符

#但是注意哦，只能应用于series，不能使数据Dateframe！

方式二：数据['合并2']=数据['姓名'].str.cat(数据['性别'],sep=',').str.cat(数据['身份'],sep=',')

data_clean_df['wd_psm'] = raw_df['wd'].map(str) + '-' + raw_df['psm2'].map(str)

2）实例

2、split 按照指定字符串分隔

1）介绍

• print(数据['状态'].str.split()) # 不指定分隔符，就是一列表
• print(数据['状态'].str.split('血',n=-1)) # 指定n，表示分隔次数，默认是-1，全部分隔
• print(数据['状态'].str.split('血',expand=True))

# 注意这个expand，默认是False，得到是一个列表， 如果指定为True，会将列表打开，变成多列，变成DATAFrame

# 列名则是按照0 1 2 3····的顺序，并且默认Nan值分隔后还是为Nan

# 如果分隔符不存在，还是返回DATAFrame

rsplit和split用法一致，只不过默认是从右往左分隔

2）实例

3、partition 按照指定字符分割

partition只会分隔一次

# 第一个元素：第一个分隔符之前的部分

# 第二个元素：分隔符本身

# 第三个元素：第一个分隔符之后的内容

# 如果有多个分隔符，也只会按照第一个分隔符分隔

print('BbBbB'.partition('b'))

print((数据['状态'].str.partition('平')))

# 上面两个情况结果是一样的

rpartition和partition类似，不过是默认是从右往左找到第一个分隔符

4、获取某列字符串的特定字符get

实例

5、获取某列特定字符串

print(数据['状态'].str.slice(0)) # 指定一个值的话，相当于[m:]

print(数据['状态'].str.slice(0,3)) # 相当于[m:n],从0开始不包括3

print(数据['状态'].str.slice(0,3,2)) # 相当于[m: n: step]

print(数据['状态'].str.slice(5,9,2)) # 索引越界，默认为空字符串，原来Nan还是Nan

举例

怎样提取201803这样的数字月份？

1、先将日期2018-03-31替换成20180331的形式

2、提取月份字符串201803

6、切片后替换slice_replace

print(数据['状态'].str.slice_replace(1,3,"520"))

# 将slice为[1:3]的内容换成"distance"，既然替换，所以这里不支持步长。

7、每个字符中间串连内容join

join 将每个字符之间使用指定字符相连，相当于sep.join(list(value))

8、获取Series的str属性，然后使用各种字符串处理函数

9、使用str的startswith、contains等bool类Series可以做条件查询

10、字符串重复

11、strip 按照指定内容，从两边去除

strip 按照指定内容，从两边去除，和python字符串内置的strip一样

lstrip rstrip类比python字符串的lstrip和rstrip

12、translate 指定部分替换

字典 = str.maketrans({'距':'ju','离':'li'})

print(数据['里程'].str.translate(字典))

13、大小写转换

print(数据.str.lower()) # 所有字符转成小写

print(数据.str.upper()) # 所有字符转成大写

print(数据.str.title()) # 每一个单词的首字母大写

print(数据.str.capitalize()) # 第一个字母大写

print(s.str.swapcase()) # 大小写交换

14、判断 【返回T或F】

print(数据.str.isalpha()) # 是否全是字母

print(数据.str.isnumeric()) # 判断是否全是数字

print(数据.str.isalnum()) # 判断是否全是字母或者数字

# isdecimal只能用于Unicode数字

# isdigit用于Unicode数字，罗马数字

# isnumeric用于unicode数字，罗马数字，汉字数字

# 总的来说，isnumeric最广泛，但是实际项目中，一般很少会有这种怪异的数字出现

# 如果只是普通的阿拉伯数字，那么这三个方法基本上是一样的，可以互用

print(s4.str.isspace()) # 判断是否全是空格

print(s5.str.islower()) # 判断是否全是小写

print(s5.str.istitle()) # 判断每个单词的首字母是否是大写(其他字母小写)

二、使用正则表达式的处理

1、match

match 和python正则中的match一样，是从头开始匹配的。返回布尔型，表示是否匹配给定的模式

print(数据['状态'].str.match(".{2}激"))

# NaN还是返回Nan，可按照 na= False 或 na = True 替换

2、日期替换

Series.str默认就开启了正则表达式模式

附件：字符串函数