Pandas字串和文字資料


在本章中,我們將使用基本系列/索引來討論字串操作。在隨後的章節中,將學習如何將這些字串函式應用於資料影格(DataFrame)。

Pandas提供了一組字串函式,可以方便地對字串資料進行操作。 最重要的是,這些函式忽略(或排除)丟失/NaN值。

幾乎這些方法都使用Python字串函式(請參閱: http://docs.python.org/3/library/stdtypes.html )。 因此,將Series物件轉換為String物件,然後執行該操作。

下面來看看每個操作的執行和說明。

編號 函式 描述
1 lower() Series/Index中的字串轉換為小寫。
2 upper() Series/Index中的字串轉換為大寫。
3 len() 計算字串長度。
4 strip() 幫助從兩側的系列/索引中的每個字串中刪除空格(包括換行符)。
5 split(' ') 用給定的模式拆分每個字串。
6 cat(sep=' ') 使用給定的分隔符連線系列/索引元素。
7 get_dummies() 返回具有單熱編碼值的資料影格(DataFrame)。
8 contains(pattern) 如果元素中包含子字串,則返回每個元素的布林值True,否則為False
9 replace(a,b) 將值a替換為值b
10 repeat(value) 重複每個元素指定的次數。
11 count(pattern) 返回模式中每個元素的出現總數。
12 startswith(pattern) 如果系列/索引中的元素以模式開始,則返回true
13 endswith(pattern) 如果系列/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) 返回模式的所有出現的列表。
16 swapcase 變換字母大小寫。
17 islower() 檢查系列/索引中每個字串中的所有字元是否小寫,返回布林值
18 isupper() 檢查系列/索引中每個字串中的所有字元是否大寫,返回布林值
19 isnumeric() 檢查系列/索引中每個字串中的所有字元是否為數位,返回布林值。

現在建立一個系列,看看上述所有函式是如何工作的。

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]', np.nan, '1234','SteveMinsu'])

print (s)

執行上面範例程式碼,得到以下結果 -

0             Tom
1    William Rick
2            John
3         [email protected]
4             NaN
5            1234
6      SteveMinsu
dtype: object

1. lower()函式範例

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]', np.nan, '1234','SteveMinsu'])

print (s.str.lower())

執行上面範例程式碼,得到以下結果 -

0             tom
1    william rick
2            john
3         [email protected]
4             NaN
5            1234
6      steveminsu
dtype: object

2. upper()函式範例

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]', np.nan, '1234','SteveMinsu'])

print (s.str.upper())

執行上面範例程式碼,得到以下結果 -

0             TOM
1    WILLIAM RICK
2            JOHN
3         [email protected]
4             NaN
5            1234
6      STEVESMITH
dtype: object

3. len()函式範例

import pandas as pd
import numpy as np

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]', np.nan, '1234','SteveMinsu'])
print (s.str.len())

執行上面範例程式碼,得到以下結果 -

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

4. strip()函式範例

import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s)
print ("=========== After Stripping ================")
print (s.str.strip())

執行上面範例程式碼,得到以下結果 -

0             Tom 
1     William Rick
2             John
3          [email protected]
dtype: object
=========== After Stripping ================
0             Tom
1    William Rick
2            John
3         [email protected]
dtype: object

5. split(pattern)函式範例

import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s)
print ("================= Split Pattern: ==================")
print (s.str.split(' '))

執行上面範例程式碼,得到以下結果 -

0             Tom 
1     William Rick
2             John
3          [email protected]
dtype: object
================= Split Pattern: ==================
0              [Tom, ]
1    [, William, Rick]
2               [John]
3            [[email protected]]
dtype: object

6. cat(sep=pattern)函式範例

import pandas as pd
import numpy as np

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print (s.str.cat(sep=' <=> '))

執行上面範例程式碼,得到以下結果 -

Tom  <=>  William Rick <=> John <=> [email protected]

7. get_dummies()函式範例

import pandas as pd
import numpy as np

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print (s.str.get_dummies())

執行上面範例程式碼,得到以下結果 -

    William Rick  [email protected]  John  Tom 
0              0        0     0     1
1              1        0     0     0
2              0        0     1     0
3              0        1     0     0

8. contains()函式範例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s.str.contains(' '))

執行上面範例程式碼,得到以下結果 -

0     True
1     True
2    False
3    False
dtype: bool

9. replace(a,b)函式範例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s)
print ("After replacing @ with $: ============== ")
print (s.str.replace('@','$'))

執行上面範例程式碼,得到以下結果 -

0             Tom 
1     William Rick
2             John
3          [email protected]
dtype: object
After replacing @ with $: ============== 
0             Tom 
1     William Rick
2             John
3          Alber$t
dtype: object

10. repeat(value)函式範例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print (s.str.repeat(2))

執行上面範例程式碼,得到以下結果 -

0                      Tom Tom 
1     William Rick William Rick
2                      JohnJohn
3                [email protected]@t
dtype: object

11. count(pattern)函式範例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print ("The number of 'm's in each string:")
print (s.str.count('m'))

執行上面範例程式碼,得到以下結果 -

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

12. startswith(pattern)函式範例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])

print ("Strings that start with 'T':")
print (s.str. startswith ('T'))

執行上面範例程式碼,得到以下結果 -

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

13. endswith(pattern)函式範例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print ("Strings that end with 't':")
print (s.str.endswith('t'))

執行上面範例程式碼,得到以下結果 -

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

14. find(pattern)函式範例

import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s.str.find('e'))

執行上面範例程式碼,得到以下結果 -

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)函式範例

import pandas as pd

s = pd.Series(['Tom ', ' William Rick', 'John', '[email protected]'])
print (s.str.findall('e'))

執行上面範例程式碼,得到以下結果 -

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()函式範例

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]'])
print (s.str.swapcase())

執行上面範例程式碼,得到以下結果 -

0             tOM
1    wILLIAM rICK
2            jOHN
3         [email protected]
dtype: object

17. islower()函式範例

import pandas as pd

s = pd.Series(['Tom', 'William Rick', 'John', '[email protected]'])
print (s.str.islower())

執行上面範例程式碼,得到以下結果 -

0    False
1    False
2    False
3    False
dtype: bool

18. isupper()函式範例

import pandas as pd

s = pd.Series(['TOM', 'William Rick', 'John', '[email protected]'])

print (s.str.isupper())

執行上面範例程式碼,得到以下結果 -

0    True
1    False
2    False
3    False
dtype: bool

19. isnumeric()函式範例

import pandas as pd
s = pd.Series(['Tom', '1199','William Rick', 'John', '[email protected]'])
print (s.str.isnumeric())

執行上面範例程式碼,得到以下結果 -

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