Pandas | 11 字符串函數

在本章中，咱們將使用基本系列/索引來討論字符串操做。在隨後的章節中，將學習如何將這些字符串函數應用於數據幀(DataFrame)。

Pandas提供了一組字符串函數，能夠方便地對字符串數據進行操做。 最重要的是，這些函數忽略(或排除)丟失/NaN值。

幾乎這些方法都使用Python字符串函數(請參閱： http://docs.python.org/3/library/stdtypes.html#string-methods )。 所以，將Series對象轉換爲String對象，而後執行該操做。

下面來看看每一個操做的執行和說明。

編號	函數	描述
1	lower()	將Series/Index中的字符串轉換爲小寫。
2	upper()	將Series/Index中的字符串轉換爲大寫。
3	len()	計算字符串長度。
4	strip()	幫助從兩側的系列/索引中的每一個字符串中刪除空格(包括換行符)。
5	split(' ')	用給定的模式拆分每一個字符串。
6	cat(sep=' ')	使用給定的分隔符鏈接系列/索引元素。
7	get_dummies()	返回具備單熱編碼值的數據幀(DataFrame)。
8	contains(pattern)	若是元素中包含子字符串，則返回每一個元素的布爾值True，不然爲False。
9	replace(a,b)	將值a替換爲值b。
10	repeat(value)	重複每一個元素指定的次數。
11	count(pattern)	返回模式中每一個元素的出現總數。
12	startswith(pattern)	若是系列/索引中的元素以模式開始，則返回true。
13	endswith(pattern)	若是系列/索引中的元素以模式結束，則返回true。
14	find(pattern)	返回模式第一次出現的位置。
15	findall(pattern)	返回模式的全部出現的列表。
16	swapcase	變換字母大小寫。
17	islower()	檢查系列/索引中每一個字符串中的全部字符是否小寫，返回布爾值
18	isupper()	檢查系列/索引中每一個字符串中的全部字符是否大寫，返回布爾值
19	isnumeric()	檢查系列/索引中每一個字符串中的全部字符是否爲數字，返回布爾值。

如今建立一個系列，看看上述全部函數是如何工做的。

 

import pandas as pd
import numpy as np

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

輸出結果：

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

 

1. lower()函數示例

import pandas as pd
import numpy as np

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

輸出結果：

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

 

2. upper()函數示例

import pandas as pd
import numpy as np

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

輸出結果：

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

 

3. len()函數示例

import pandas as pd
import numpy as np

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

輸出結果：

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

 

4. strip()函數示例

import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s)
print('\n')

print ("=========== After Stripping ================")
print (s.str.strip())

輸出結果：

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

 

5. split(pattern)函數示例

import pandas as pd

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

print ("================= Split Pattern: ==================")
print (s.str.split(' '))

輸出結果：

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

 

6. cat(sep=pattern)函數示例

　　查看時候的分隔符

import pandas as pd
import numpy as np

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

輸出結果：

Tom <=> William Rick <=> John <=> Alber@t

 

7. get_dummies()函數示例

import pandas as pd
import numpy as np

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

輸出結果：

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

 

8. contains()函數示例

import pandas as pd

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

輸出結果：

0 True 1 True 2 False 3 False dtype: bool

 

9. replace(a,b)函數示例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s)
print('\n')

print ("After replacing @ with $: ============== ")
print (s.str.replace('@','$'))

輸出結果：

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

 

10. repeat(value)函數示例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print (s.str.repeat(2))

輸出結果：

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

 

11. count(pattern)函數示例

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'))

輸出結果：

The number of 'm's in each string: 0 1 1 1 2 0 3 0 dtype: int64

 

12. startswith(pattern)函數示例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that start with 'T':")
print (s.str. startswith ('T'))

輸出結果：

Strings that start with 'T': 0 True 1 False 2 False 3 False dtype: bool

 

13. endswith(pattern)函數示例

import pandas as pd

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

輸出結果：

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

 

14. find(pattern)函數示例

import pandas as pd

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

輸出結果：

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

 

注意：-1表示元素中沒有這樣的模式可用。

15. findall(pattern)函數示例

import pandas as pd

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

輸出結果：

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

 

空列表([])表示元素中沒有這樣的模式可用。

16. swapcase()函數示例

import pandas as pd

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

輸出結果：

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

 

17. islower()函數示例

import pandas as pd

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

輸出結果：

0 False 1 False 2 False 3 False dtype: bool

 

18. isupper()函數示例

import pandas as pd

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

輸出結果：

0 True 1 False 2 False 3 False dtype: bool

 

19. isnumeric()函數示例

import pandas as pd

s = pd.Series(['Tom', '1199','William Rick', 'John', 'Alber@t'])
print (s.str.isnumeric())

輸出結果：

0 False 1 True 2 False 3 False 4 False dtype: bool