python库--pandas--Series.str--字符串处理

目录

原数据

import pandas as pd
a = pd.Series(['aSd', 'asd', 'dfd fsAsf sfs'])
b = pd.Series([None, 'asd', 'fgh'])
indexab
0aSdNone
1asdasd
2dfd fsAsf sfsfgh

字符大小写转换

a.str.lower()
a.str.upper()
a.str.title()
a.str.capitalize()
a.str.swapcase()
loweruppertitlecapitalizeswapcase
0asdASDAsdAsdAsD
1asdASDAsdAsdASD
2dfd fsasf sfsDFD FSASF SFSDfd Fsasf SfsDfd fsasf sfsDFD FSaSF SFS

字符串拼接

自身拼接

a.str.cat(sep=',')

aSd,asd,dfd fsAsf sfs

与其它series拼接

a.str.cat(a)
a.str.cat(['aSd', 'asd', 'dfd fsAsf sfs'])
a + a
indexvalue
0aSdaSd
1asdasd
2dfd fsAsf sfsdfd fsAsf sfs
a.str.cat(a, sep=',')
a.str.cat(['aSd', 'asd', 'dfd fsAsf sfs'], sep=',')
a + ',' + a
indexvalue
0aSd,aSd
1asd,asd
2dfd fsAsf sfs,dfd fsAsf sfs

数据含有None/NaN的情况

b.str.cat(sep=',')

asd,fgh

# 将NaN替换为指定字符串进行操作
a.str.cat(sep=',', na_rep='???')

???,asd,fgh

  • 剩下的情况除将NaN替换为指定字符之外跟上述示例一样, 这里不再进行演示

字符填充/插入/扩展

# 向两端填充指定字符到指定长度
a.str.center(width=10, fillchar='?')
a.str.pad(width=10, side='both', fillchar='?')
# 在右侧填充指定字符到指定长度
a.str.ljust(width=10, fillchar='?')
a.str.pad(width=10, side='right', fillchar='?')
# 在右侧填充指定字符到指定长度
a.str.rjust(width=10, fillchar='?')
a.str.pad(width=10, side='left', fillchar='?')
centerljustrjust
0???aSd????aSd??????????????aSd
1???asd????asd??????????????asd
2dfd fsAsf sfsdfd fsAsf sfsdfd fsAsf sfs
# 每隔指定个字符插入一个换行符
a.str.wrap(width=2)
# 在字符串前面填充0到指定长度
a.str.zfill(width=10)
# 将字符串扩展n倍
a.str.repeat(repeats=2)
# 为每一个元素指定扩展倍数
a.str.repeat(repeats=[2, 2, 2])
wrapzfillrepeat
0aS\nd0000000aSdaSdaSd
1as\nd0000000asdasdasd
2df\nd \nfs\nAs\nf \nsf\nsdfd fsAsf sfsdfd fsAsf sfsdfd fsAsf sfs
  • join() 在字符间插入字符
a.str.join(sep='?')
# 等同于
a.map(lambda x: '?'.join(x))
  • 因此也出现了一种特殊情况, 元素不是字符串但可以使用join方法
  • 经过不完全证明, ‘?’.join() 中支持的参数作为Series的元素是都可使用此方法
pd.Series([['1', '2', '3']]).join('?')

字符串内容判断

以下方法返回由True和False组成的Series

  • contains(): 判断指定字符串或正则表达式是否在序列或索引中
参数说明
pat字符串或正则表达式
case=True是否区分大小写
flags=0可传入re.IGNORECASE之类的参数
na=nan缺失值填充
regex=True是否使用正则表达式匹配
  • endswith(): 判断是否以给定的字符串结尾
参数说明
pat字符串
na=nan缺失值填充
  • match(): 判断是否以给定的字符串开头(支持正则)
参数说明
pat字符串或正则表达式
case=True是否区分大小写
flags=0可传入re.IGNORECASE之类的参数
na=nan缺失值填充
as_indexer=None弃用
方法说明
.isalnum()字符串至少包含一个字符且所有字符都是字母(汉字)或数字则返回True
.isalpha()字符串至少包含一个字符且所有字符都是字母(汉字)则返回True
.isdigit()只包含数字(可以是: Unicode, 全角字符, bytes(b’1′), 罗马数字)
.isspace()只包含空白符
.islower()至少包含一个小写字符, 且不包含大写字符
.isupper()至少包含一个大写字符, 且不包含小写字符
.istitle()所有单词大写开头其余小写(标题化)
.isnumeric()只包含数字字符
.isdecimal()只包含数字(Unicode字符, 全角字符)

查找

  • extract(): 使用正则表达式提取需要的内容(只返回第一次匹配到的内容)
  • extractall(): 使用正则表达式提取需要的内容(返回所有匹配到的内容
参数说明
pat正则表达式(必须含有捕获组, 超过一个必然返回DataFrame)
若捕获组设有name则将作为返回的列标签
flags=0可传入re.IGNORECASE之类的参数
expand=NoneTrue: 返回DataFrame(未来版本默认值)
False: 返回S/I/DataFrame(现在版本默认值)
extractall() 方法无此参数
a.str.extract('([A-Z]+)')
a.str.extract('([A-Z]+)(s*)')
([A-Z]+)([A-Z]+)(s*)
0SS
1NaNNaN  NaN
2AA    s
a.str.extractall('(?P<field1>[sSdf]+)(?P<field2>[ds])')
field1field2说明
match
00Sd第1行第1个匹配结果
10sd第2行第1个匹配结果
20dfd第3行第1个匹配结果
1fs第3行第2个匹配结果
2sfs第3行第3个匹配结果
  • 检索sub在字符串中的位置, 可以指的那个开始检索和结束检索的位置
    1. find(): 检索不到返回-1
    2. rfind(): 从右往左检索, 检索不到返回-1
    3. index(): 检索不到触发异常
    4. rindex(): 从右往左检索, 检索不到返回-1
a.str.find(sub='s')
# 从第6个字符开始查找到第10个字符结束查找
a.str.find(sub='s', start=6, end=10)
(sub=’s’)(sub=’s’, start=6, end=10)
0-1-1
11-1
257
  • findall(): 以列表形式返回正则表达式所有匹配结果
a.str.findall(pat='[sSdf]+')
a.map(lambda x: re.findall('[sSdf]+', x))
结果
0[Sd]
1[sd]
2[dfd, fs, sf, sfs]
  • get(): 获取指定位置的字符
a.str.get(i=1)
结果
0S
1s
2f

统计

  • count() 统计指定字符串(支持正则)在序列字符串中出现的次数
  • len() 返回序列字符串的长度
a.str.count(pat='s', flags=0)
a.str.len()
countlen
003
113
2413

转码

  • encode(): 编码str –> bytes
  • decode(): 解码bytes –> str
参数说明
encoding编码方式
error=’static’static: 编码/解码失败抛出异常

ignore: 编码/解码失败自动忽略非法字符

replace: 编码/解码失败则使用 ? 替代非法字符

xmlcharrefreplace: 则引用XML的字符.

c = pd.Series(['中文', '\ud83easd'])
c.str.encode('utf8', 'ignore')
c.str.encode('utf8', 'replace')
c.str.encode('utf8', 'xmlcharrefreplace')
ignorereplacexmlcharrefreplacebackslashreplace
1b’asd’b’?asd’b’&#55358;asd’b’\ud83easd’
# 中国: b'\xe4\xb8\xad\xe6\x96\x87'
d = pd.Series([b'\xe4\xb8\xad\xe6\x96'])
d.str.decode('utf8', 'ignore')
ignorereplacexmlcharrefreplacebackslashreplace
1中�NaN中\xe6\x96
  • normalize(): 返回字符串的Unicode标准格式

删减/截取

  • strip(to_strip=None): 删除两侧指定字符, 默认删除空白符
  • lstrip(to_strip=None): 删除左侧指定字符, 默认删除空白符
  • rstrip(to_strip=None): 删除右侧指定字符, 默认删除空白符
  • slice() 截取子字符串
参数说明
start=None开始位置
stop=None结束位置
step=None步长

分割/替换

  • split() 使用指定字符分割字符串, 支持正则
  • rsplit() 从右侧开始分割
参数说明
pat=None分隔符, 默认空白符
n=-1分割次数, 默认全部
expand=FalseTrue: 返回DataFrame/MultiINdex
False: 返回Series/Index
  • get_dummies(): 对字符串分割, 并返回每个分割结果出现的次数
>>> pd.Series(['a|b', 'a', 'a|c']).str.get_dummies()
   a  b  c
0  1  1  0
1  1  0  0
2  1  0  1
>>> pd.Series(['a|b', np.nan, 'a|c']).str.get_dummies()
   a  b  c
0  1  1  0
1  0  0  0
2  1  0  1
  • partition(pat=”, expand=True): 第一次出现pat时将字符串分割为三个部分: pat前面的部分, pat本身, pat后面的部分
  • rpartition(): 从右往左检测pat字符串

更新字符串

  • replace(): 更新字符串
参数说明
pat字符串或编译的正则表达式
replstr: 将匹配到的字符串替换为此字符串
fun: 传给fun的是对象相当于re.search(pat, string)的返回值
n=-1替换的次数, 默认全部
case=None是否区分大小写, 如果pat为字符串则默认为True, 若为编译的正则表达式则不能设置
flags=0可传入re.IGNORECASE之类的参数, 但若pat为编译的正则表达式则不能设置
  • slice_replace(): 将选中的部分替换为指定字符串
参数说明
start=None开始位置
stop=None结束位置
repl=None要替换为的字符串
  • translate(): 字符替换
    1. dict: {ord(‘a’): ‘x’} 或 {ord(‘a’): ord(‘x’)} key必须是ascii码, value可以是字符串或ASCII码
    2. str.maketrans(‘a’,’x’) 等同于 {97: 120}
    原文作者:spark
    原文地址: https://www.cnblogs.com/P--K/p/11148250.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞