pandas 字符串操作

# 通过str访问，且自动排除丢失/ NA值
s = pd.Series(['A','b','C','bbhello','123',np.nan,'hj'])

[output]:
0          A
1          b
2          C
3    bbhello
4        123
5        NaN
6         hj
dtype: object

s.str.count('b')
[output]:
0    0.0
1    1.0
2    0.0
3    2.0
4    0.0
5    NaN
6    0.0
dtype: float64


df = pd.DataFrame({'key1':list('abcdef'),
                  'key2':['hee','fv','w','hija','123',np.nan]})
[output]:
  key1  key2
0    a   hee
1    b    fv
2    c     w
3    d  hija
4    e   123
5    f   NaN

df['key2'].str.upper()
[output]:
0     HEE
1      FV
2       W
3    HIJA
4     123
5     NaN
Name: key2, dtype: object

df.columns = df.columns.str.upper()
[output]:
    KEY1  KEY2
0    a   hee
1    b    fv
2    c     w
3    d  hija
4    e   123
5    f   NaN

# 字符串常用方法（1） - lower，upper，len，startswith，endswith

s = pd.Series(['A','b','bbhello','123',np.nan])
print(s.str.lower(),'→ lower小写\n')
print(s.str.upper(),'→ upper大写\n')
print(s.str.len(),'→ len字符长度\n')
print(s.str.startswith('b'),'→ 判断起始是否为a\n')
print(s.str.endswith('3'),'→ 判断结束是否为3\n')

# 字符串常用方法（2） - strip

s = pd.Series([' jack', 'jill ', ' jesse ', 'frank'])
df = pd.DataFrame(np.random.randn(3, 2), columns=[' Column A ', ' Column B '],
                  index=range(3))
print(s)
print(df)
print('-----')

print(s.str.strip())  # 去除字符串中的空格
print(s.str.lstrip())  # 去除字符串中的左空格
print(s.str.rstrip())  # 去除字符串中的右空格

df.columns = df.columns.str.strip()
print(df)
# 这里去掉了columns的前后空格，但没有去掉中间空格

# 字符串常用方法（3） - replace

df = pd.DataFrame(np.random.randn(3, 2), columns=[' Column A ', ' Column B '],
                  index=range(3))
df.columns = df.columns.str.replace(' ','-')
print(df)
# 替换

df.columns = df.columns.str.replace('-','hehe',n=1)
print(df)
# n：替换个数

[output]:
   -Column-A-  -Column-B-
0    1.855227   -0.519479
1   -0.400376   -0.421383
2   -0.293797   -0.432481
   heheColumn-A-  heheColumn-B-
0       1.855227      -0.519479
1      -0.400376      -0.421383
2      -0.293797      -0.432481

# 字符串常用方法（4） - split、rsplit
s = pd.Series(['a,b,c','1,2,3',['a,,,c'],np.nan])
[output]:
0      a,b,c
1      1,2,3
2    [a,,,c]
3        NaN
dtype: object

s.str.split(',')
[output]:
0    [a, b, c]
1    [1, 2, 3]
2          NaN
3          NaN
dtype: object

s.str.split(',')[0]
[output]:
['a', 'b', 'c']

s.str.split(',').str[0]
s.str.split(',').str.get(0)
[output]:
0      a
1      1
2    NaN
3    NaN
dtype: object


s.str.split(',', expand=True)
[output]:
    0   1   2
0   a   b   c
1   1   2   3
2   NaN NaN NaN
3   NaN NaN NaN

s.str.rsplit(',', expand=True, n = 1)
s.str.split(',', expand=True, n = 1)
# 可以使用expand可以轻松扩展此操作以返回DataFrame
# n参数限制分割数
# rsplit类似于split，反向工作，即从字符串的末尾到字符串的开头
df = pd.DataFrame({'key1':['a,b,c','1,2,3',[':,., ']],
                  'key2':['a-b-c','1-2-3',[':-.- ']]})
    key1    key2
0   a,b,c   a-b-c
1   1,2,3   1-2-3
2   [:,., ] [:-.- ]

df['key2'].str.split('-')
0    [a, b, c]
1    [1, 2, 3]
2          NaN
Name: key2, dtype: object

#  字符串常用方法（5）-- 字符串索引
s = pd.Series(['A','b','C','bbhello','123',np.nan,'hj'])

[output]:
0          A
1          b
2          C
3    bbhello
4        123
5        NaN
6         hj
dtype: object

print(s.str[0])  # 取第一个字符串
[output]:
0      A
1      b
2      C
3      b
4      1
5    NaN
6      h
dtype: object

print(s.str[:2])  # 取前两个字符串



df = pd.DataFrame({'key1':list('abcdef'),
                  'key2':['hee','fv','w','hija','123',np.nan]})
[output]:
   key1 key2
0   a   hee
1   b   fv
2   c   w
3   d   hija
4   e   123
5   f   NaN

print(df['key2'].str[0]) 
# str之后和字符串本身索引方式相同
0      h
1      f
2      w
3      h
4      1
5    NaN
Name: key2, dtype: object

最后编辑于：2019.05.27 15:55:46