13-字符串操作--数据分析

字符串操作

In [1]:

import pandas as pd

import numpy as np

s = pd.Series(['A','B','C','gaer','GAER',np.nan])

s

Out[1]:

0       A
1       B
2       C
3    gaer
4    GAER
5     NaN
dtype: object

字符串转换为小写

In [2]:

s.str.lower()

Out[2]:

0       a
1       b
2       c
3    gaer
4    gaer
5     NaN
dtype: object

字符串转换为大写

In [3]:

s.str.upper()

Out[3]:

0       A
1       B
2       C
3    GAER
4    GAER
5     NaN
dtype: object

字符串长度

In [4]:

s.str.len()

Out[4]:

0    1.0
1    1.0
2    1.0
3    4.0
4    4.0
5    NaN
dtype: float64

str.strip() 去除字符串空格

In [5]:

index = pd.Index(['  tang','  shi   ','banshou    '])

index

Out[5]:

Index(['  tang', '  shi   ', 'banshou    '], dtype='object')

In [6]:

index.str.strip()

Out[6]:

Index(['tang', 'shi', 'banshou'], dtype='object')

In [7]:

index.str.lstrip()

Out[7]:

Index(['tang', 'shi   ', 'banshou    '], dtype='object')

In [8]:

index.str.rstrip()

Out[8]:

Index(['  tang', '  shi', 'banshou'], dtype='object')

In [10]:

df = pd.DataFrame(np.random.randn(3,2),columns=['A a','B b'],index = range(3))

df

Out[10]:

	A a	B b
0	0.139043	-1.037331
1	-1.979181	-0.115217
2	-0.702036	1.593989

str.replace(' ','_' ) 将某个名字用字符串替换

• 下面用 _ 替换Aa 为A_a

In [13]:

df.columns = df.columns.str.replace(' ','_')

df

Out[13]:

	A_a	B_b
0	0.139043	-1.037331
1	-1.979181	-0.115217
2	-0.702036	1.593989

字符串切分 .str.split()

In [14]:

s = pd.Series(['a_b_c','c_d_e','f_g_h'])

s

Out[14]:

0    a_b_c
1    c_d_e
2    f_g_h
dtype: object

In [15]:

s.str.split('_')

Out[15]:

0    [a, b, c]
1    [c, d, e]
2    [f, g, h]
dtype: object

切割后用新值显示

In [17]:

s.str.split('_',expand = True)

Out[17]:

	0	1	2
0	a	b	c
1	c	d	e
2	f	g	h

In [19]:

s = pd.Series(['A','Aas','Afgew','Ager','Agre','Ager'])

s

Out[19]:

0        A
1      Aas
2    Afgew
3     Ager
4     Agre
5     Ager
dtype: object

str.contains('Aas') 判断数据中是否包含某个字符串

In [20]:

s.str.contains('Aas')

Out[20]:

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

Series.str.get_dummies(sep=’|’)分割字符串并返回各个字符的复杂矩阵

In [21]:

s = pd.Series(['a','a|b','a|c'])

s

Out[21]:

0      a
1    a|b
2    a|c
dtype: object

In [22]:

s.str.get_dummies(sep = '|')

Out[22]:

	a	b	c
0	1	0	0
1	1	1	0
2	1	0	1

In [ ]:

​