这篇教程pandas中对文本类型数据的处理小结写得很实用，希望能帮到您。
下面看下pandas中字符串类处理函数吧，内容如下所示：
1.英文字母大小写转换及填充s = pd.Series(['lower', 'CAPITALS', 'this is a sentence', 'SwApCaSe']) - 大写转小写： s.str.lower()
- 小写转大写：s.str.upper()
- 转为新闻标题形式：s.str.title()
- 首字母大写，其余小写：s.str.capitalize()
- 将原来的大写和小写，分别转为小写和大写，即大小写互换：s.str.swapcase()
- 将文字内容用某种字符填充到固定长度，会从两边进行填充：s.str.center(4,'*')
- 将文字内容用某种字符填充到固定长度，可以设置填充方向(默认为left，可以设置为left,right,both)：s.str.pad(width=10, side=‘right', fillchar='-')
- 将文字内容用某种字符填充到固定长度，会从文字的右方进行填充，即原来的字符串在左边：s.str.ljust(4,'-')
- 将文字内容用某种字符填充到固定长度，会从文字的左方进行填充，即原来的字符串在右边：s.str.rjust(4,'-')
- 将文字内容用某种字符按照指定的方向(left,right,both)填充到固定长度: s.str.pad(3,side=‘left',fillchar='*')
- 在字符串前添加0到指定长度：
- s = pd.Series(['-1', ‘1', ‘1000', 10, np.nan])
- s.str.zfill(3)
2.字符串合并与拆分
2.1 多列字符串合并注意：多列字符串在合并时，推荐使用cat函数，该函数是按照索引进行合并的。 s=pd.DataFrame({'col1':['a', 'b', np.nan, 'd'],'col2':['A', 'B', 'C', 'D']})# 1.有一个缺失值的行不进行合并s['col1'].str.cat([s['col2']])# 2.用固定字符(*)替换缺失值，并进行合并s['col1'].str.cat([s['col2']],na_rep='*')# 3.用固定字符(*)替换缺失值，并用分隔符(,)进行合并s['col1'].str.cat([s['col2']],na_rep='*',sep=',')# 4.索引不一致的合并#创建seriess = pd.Series(['a', 'b', np.nan, 'd'])t = pd.Series(['d', 'a', 'e', 'c'], index=[3, 0, 4, 2])#合并s.str.cat(t, join='left', na_rep='-')s.str.cat(t, join='right', na_rep='-')s.str.cat(t, join='outer', na_rep='-')s.str.cat(t, join='inner', na_rep='-')
2.2 一列 列表形式的文本合并为一列s = pd.Series([['lion', 'elephant', 'zebra'], [1.1, 2.2, 3.3], [ 'cat', np.nan, 'dog'], ['cow', 4.5, 'goat'], ['duck', ['swan', 'fish'], 'guppy']])#以下划线进行拼接s.str.join('_')使用前： 
使用后： 
2.3 一列字符串与自身合并成为一列s = pd.Series(['a', 'b', 'c'])#指定数字s.str.repeat(repeats=2)#指定列表s.str.repeat(repeats=[1, 2, 3]) 使用该函数后，效果图分别如下： 
2.4 一列字符串拆分为多列
2.4.1 partition函数partition函数，会将某列字符串拆分为3列，其中2列为值，1列为分隔符。
有两个参数进行设置，分别为：sep(分隔符，默认为空格)，expand(是否生成dataframe，默认为True) s = pd.Series(['Linda van der Berg', 'George Pitt-Rivers'])#默认写法,以空格分割，会以第一个分隔符进行拆分s.str.partition()#另一写法，会以最后一个分隔符进行拆分s.str.rpartition()#以固定符号作为分隔符s.str.partition('-', expand=False)#拆分索引idx = pd.Index(['X 123', 'Y 999'])idx.str.partition()
2.4.2 split函数split函数会按照分隔符拆分为多个值。
参数：
pat(分隔符，默认为空格);
n(限制分隔的输出，即查找几个分隔符，默认-1，表示全部);
expend(是否生成dataframe，默认为False)。 s = pd.Series(["this is a regular sentence","https://docs.python.org/3/tutorial/index.html",np.nan])#1.默认按照空格进行拆分s.str.split()#2.按照空格进行拆分，并限制2个分隔符的输出s.str.split(n=2)#3.以指定符号拆分，并生成新的dataframes.str.split(pat = "/",expend=True)#4.使用正则表达式来进行拆分，并生成新的dataframes = pd.Series(["1+1=2"])s.str.split(r"/+|=", expand=True)
2.4.3 rsplit函数如果不设置n的值，rsplit和split效果是相同的。区别是，split是从开始进行限制，rsplit是从末尾进行限制。 s = pd.Series(["this is a regular sentence","https://docs.python.org/3/tutorial/index.html",np.nan])#区别于splits.str.rsplit(n=2)
3.字符串统计
3.1 统计某列字符串中包含某个字符串的个数s = pd.Series(['dog', '', 5,{'foo' : 'bar'},[2, 3, 5, 7],('one', 'two', 'three')])s.str.len()
3.2 统计字符串长度s = pd.Series(['dog', '', 5,{'foo' : 'bar'},[2, 3, 5, 7],('one', 'two', 'three')])s.str.len()效果图如下： 
4.字符串内容查找(包含正则)
4.1 extract可通过正则表达式来提取指定内容，小括号内的会生成一列 s = pd.Series(['a1', 'b2', 'c3'])#按照小括号内的进行提取，生成两列s.str.extract(r'([ab])(/d)')#加上问号后，如果有一个匹配不上，还可以继续匹配s.str.extract(r'([ab])?(/d)')#可以对生成的新列进行重命名s.str.extract(r'(?P<letter>[ab])(?P<digit>/d)')#生成1列s.str.extract(r'[ab](/d)', expand=True)
4.2 extractall区别于extract，该函数可以提取所有符合条件的元素 s = pd.Series(["a1a2", "b1", "c1"], index=["A", "B", "C"])#提取所有符合条件的数字,结果为多重索引1列s.str.extractall(r"[ab](/d)")#提取符合条件的数字，并重命名，结果为多重索引1列s.str.extractall(r"[ab](?P<digit>/d)")#提取符合条件的a、b和数字，结果为多重索引多列s.str.extractall(r"(?P<letter>[ab])(?P<digit>/d)")#提取符合条件的a、b和数字，添加问号后，一个匹配不上可以继续向后匹配，结果为多重索引多列s.str.extractall(r"(?P<letter>[ab])?(?P<digit>/d)")
4.3 find查询固定字符串在目标字符串中的最小索引。
若需要查询的字符串未出现在目标字符串中，则显示为-1 s = pd.Series(['appoint', 'price', 'sleep','amount'])s.str.find('p')显示结果如下: 
4.4 rfind查询固定字符串在目标字符串中的最大索引。
若需要查询的字符串未出现在目标字符串中，则显示为-1。 s = pd.Series(['appoint', 'price', 'sleep','amount'])s.str.rfind('p',start=1)查询结果如下： 
4.5 findall查找系列/索引中所有出现的模式或正则表达式 s = pd.Series(['appoint', 'price', 'sleep','amount'])s.str.findall(r'[ac]') 显示结果如下： 
4.6 get从列表、元组或字符串中的每个元素中提取元素的系列/索引。 s = pd.Series(["String", (1, 2, 3), ["a", "b", "c"], 123, -456, {1: "Hello", "2": "World"}])s.str.get(1)效果如下图： 
4.7 match确定每个字符串是否与参数中的正则表达式匹配。 s = pd.Series(['appoint', 'price', 'sleep','amount'])s.str.match('^[ap].*t')匹配效果图如下： 
5.字符串逻辑判断
5.1 contains函数测试模式或正则表达式是否包含在系列或索引的字符串中。
参数：
pat，字符串或正则表达式；
case，是否区分大小写，默认为True,即区分大小写；
flags，是否传递到re模块，默认为0;
na，对缺失值的处理方法，默认为nan;
regex，是否将pat参数当作正则表达式来处理，默认为True。 s = pd.Series(['APpoint', 'Price', 'cap','approve',123])s.str.contains('ap',case=True,na=False,regex=False)效果图如下： 
5.2 endswith函数测试每个字符串元素的结尾是否与字符串匹配。 s = pd.Series(['APpoint', 'Price', 'cap','approve',123])s.str.endswith('e')匹配结果如下： 
处理nan值 s = pd.Series(['APpoint', 'Price', 'cap','approve',123])s.str.endswith('e',na=False)效果如下： 
5.3 startswith函数测试每个字符串元素的开头是否与字符串匹配。 s = pd.Series(['APpoint', 'Price', 'cap','approve',123])s.str.startswith('a',na=False)匹配如下: 
5.4 isalnum函数检查每个字符串中的所有字符是否都是字母数字。 s1 = pd.Series(['one', 'one1', '1', ''])s1.str.isalnum() 效果如下： 
5.5 isalpha函数检查每个字符串中的所有字符是否都是字母。 s1 = pd.Series(['one', 'one1', '1', ''])s1.str.isalpha() 效果如下： 
5.6 isdecimal函数检查每个字符串中的所有字符是否都是十进制的。 s1 = pd.Series(['one', 'one1', '1',''])s1.str.isdecimal() 效果如下： 
5.7 isdigit函数检查每个字符串中的所有字符是否都是数字。 s1 = pd.Series(['one', 'one1', '1',''])s1.str.isdigit() 效果如下： 
5.8 islower函数检查每个字符串中的所有字符是否都是小写。 s1 = pd.Series(['one', 'one1', '1',''])s1.str.islower() 效果如下： 
5.9 isnumeric函数检查每个字符串中的所有字符是否都是数字。 s1 = pd.Series(['one', 'one1', '1','','3.6'])s1.str.isnumeric() 效果如下： 
5.10 isspace函数检查每个字符串中的所有字符是否都是空格。 s1 = pd.Series([' one', '/t/r/n','1', '',' '])s1.str.isspace() 效果如下： 
5.11 istitle函数检查每个字符串中的所有字符是否都是标题形式的大小写。 s1 = pd.Series(['leopard', 'Golden Eagle', 'SNAKE', ''])s1.str.istitle() 效果如下： 
5.12 isupper函数检查每个字符串中的所有字符是否都是大写。 s1 = pd.Series(['leopard', 'Golden Eagle', 'SNAKE', ''])s1.str.isupper() 效果如下： 
5.13 get_dummies函数按 sep 拆分系列中的每个字符串并返回一个 虚拟/指标变量的dataframe。 s1 = pd.Series(['leopard', 'Golden Eagle', 'SNAKE', ''])s1.str.get_dummies() 效果如下： 
该函数还可以进行此类匹配，注意输入的形式 s1=pd.Series(['a|b', np.nan, 'a|c'])s1.str.get_dummies() 效果如下： 
6.其他
6.1 strip删除前导和尾随字符。 s1 = pd.Series(['1. Ant. ', '2. Bee!/n', '3. Cat?/t', np.nan])s1.str.strip() 效果如下： 
6.2 lstrip删除系列/索引中的前导字符。
6.3 rstrip删除系列/索引中的尾随字符。 到此这篇关于pandas中对于文本类型数据的处理汇总的文章就介绍到这了,更多相关pandas文本类型数据处理内容请搜索51zixue.net以前的文章或继续浏览下面的相关文章希望大家以后多多支持51zixue.net！
Python游戏开发实例之graphics实现AI五子棋
Python面向对象编程之类的封装 |
