分享pandas中超级好用的str矢量化字符串函数
本文介绍
你有没有这样一种感觉，为什么到自己手上的数据，总是乱七八糟？ 作为一个数据分析师来说，数据清洗是必不可少的环节。有时候由于数据太乱，往往需要花费我们很多时间去处理它。因此掌握更多的数据清洗方法，会让你的能力调高100倍。 本文基于此，讲述pandas中超级好用的str矢量化字符串函数，学了之后，瞬间感觉自己的数据清洗能力提高了。
1个数据集，16个Pandas函数
数据集是黄同学精心为大家编造，只为了帮助大家学习到知识。数据集如下：
① cat函数：用于字符串的拼接
② contains：判断某个字符串是否包含给定字符
df["家庭住址"].str.contains("广") 结果如下：
③ startswith/endswith：判断某个字符串是否以…开头/结尾
#第一个行的“黄伟”是以空格开头的 df["姓名"].str.startswith("黄") df["英文名"].str.endswith("e") 结果如下：
④ count：计算给定字符在字符串中出现的次数
df["电话号码"].str.count("3") 结果如下：
⑤ get：获取指定位置的字符串
df["姓名"].str.get(-1) df["身高"].str.split(":") df["身高"].str.split(":").str.get(0) 结果如下：
⑥ len：计算字符串长度
df["性别"].str.len() 结果如下：
⑦ upper/lower：英文大小写转换
df["英文名"].str.upper() df["英文名"].str.lower() 结果如下：
⑧ pad+side参数/center：在字符串的左边、右边或左右两边添加给定字符
df["家庭住址"].str.pad(10,fillchar="*")#相当于ljust() df["家庭住址"].str.pad(10,side="right",fillchar="*")#相当于rjust() df["家庭住址"].str.center(10,fillchar="*") 结果如下：
⑨ repeat：重复字符串几次
df["性别"].str.repeat(3) 结果如下：
⑩ slice_replace：使用给定的字符串，替换指定的位置的字符
df["电话号码"].str.slice_replace(4,8,"*"*4) 结果如下：
⑪ replace：将指定位置的字符，替换为给定的字符串
df["身高"].str.replace(":","-") 结果如下：
⑫ replace：将指定位置的字符，替换为给定的字符串(接受正则表达式)
replace中传入正则表达式，才叫好用；
先不要管下面这个案例有没有用，你只需要知道，使用正则做数据清洗多好用；
df["收入"].str.replace("d+.d+","正则") 结果如下：
⑬ split方法+expand参数：搭配join方法功能很强大
#普通用法 df["身高"].str.split(":") #split方法，搭配expand参数 df[["身高描述","final身高"]]=df["身高"].str.split(":",expand=True) df #split方法搭配join方法 df["身高"].str.split(":").str.join("?"*5) 结果如下：
⑭ strip/rstrip/lstrip：去除空白符、换行符
df["姓名"].str.len() df["姓名"]=df["姓名"].str.strip() df["姓名"].str.len() 结果如下：
⑮ findall：利用正则表达式，去字符串中匹配，返回查找结果的列表
findall使用正则表达式，做数据清洗，真的很香！
df["身高"] df["身高"].str.findall("[a-zA-Z]+") 结果如下：
⑯ extract/extractall：接受正则表达式，抽取匹配的字符串(一定要加上括号)
df["身高"].str.extract("([a-zA-Z]+)") #extractall提取得到复合索引 df["身高"].str.extractall("([a-zA-Z]+)") #extract搭配expand参数 df["身高"].str.extract("([a-zA-Z]+).*?([a-zA-Z]+)",expand=True) 结果如下：
今天的文章，就讲述到这里，希望能够对你有所帮助。
编辑：jq
-
数据
+关注
关注
8文章
7002浏览量
88938 -
函数
+关注
关注
3文章
4327浏览量
62568 -
矢量化
+关注
关注
0文章
5浏览量
6202
原文标题：详解16个 pandas 函数，让你的 “数据清洗” 能力提高100倍！
文章出处：【微信号：DBDevs，微信公众号：数据分析与开发】欢迎添加关注！文章转载请注明出处。
发布评论请先 登录
相关推荐
工商网监
评论