Pandas实战——文本数据操作

pandas in action.png

原书地址

本篇笔记为原书第六章节的内容。

  • Working with text data

本章节主要是对文本数据进行相关操作的。

文本数据本来就是比较“杂乱无章”的,格式也是相对来说比较多样化的,因此在实际应用中对文本数据的预处理是相对来说比较重要,也是相对繁琐的。

字母大小写及空格

  • 读取文本文件生成dataframe
import pandas as pd
import numpy as np

inspections_data = './data/pandas_in_action/chicago_food_inspections.csv'
inspections_df = pd.read_csv(inspections_data)
inspections_df
read_csv
text with whitespace
  • 处理文本里的空格 df[col].str.rstrip() / df[col].str.lstrip() / df[col].str.strip()


    strip()
# 循环遍历对各列值进行处理
for col in inspections_df.columns:
    inspections_df[col] = inspections_df[col].str.strip()
    
  • 字母大小写或其他格式 lower() / upper() / capitalize() / title()


    lower() ...

文本切片处理及字符替换

对某列的文本数据进行初探,查看其实数据情况:

inspections_df['Risk'].unique()
"""
array(['Risk 1 (High)', 'Risk 2 (Medium)', 'Risk 3 (Low)', 'All', nan],
      dtype=object)
"""

从上面的结果可看出Risk列里含有5种不同的数据,期中包括All和nan,这就需要我们对其值做一定的预处理,如缺失值处理,字符替换等。

inspections_df = inspections_df.dropna(subset=['Risk'])
inspections_df['Risk'].unique()
"""
array(['Risk 1 (High)', 'Risk 2 (Medium)', 'Risk 3 (Low)', 'All'],
      dtype=object)
"""
inspections_df = inspections_df.replace(to_replace='All', value='Risk 4 (Extreme)')
inspections_df['Risk'].unique()
"""
array(['Risk 1 (High)', 'Risk 2 (Medium)', 'Risk 3 (Low)',
       'Risk 4 (Extreme)'], dtype=object)
"""
replace()
  • 字符串切片处理,其实python的字符串处理方法都可以用在此处。


    slice().png
chain operations

布尔方法

  • 文本中是否含有某个字符串片断 str.contains(str1)
  • 文本是否以某个字符串片断开始 str.startswith(str1)
  • 文本是否以某个字符片断结束 str.endswith(str1)

分割文本数据 str.split()

具体方法操作可借鉴python的string的分割操作split(),这里就不详细记录了。

split()

文本操作含有正则式(regex)

  • str.replace(reg1, str1, regex=True)
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 214,444评论 6 496
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 91,421评论 3 389
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 160,036评论 0 349
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 57,363评论 1 288
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,460评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,502评论 1 292
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,511评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 38,280评论 0 270
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,736评论 1 307
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 37,014评论 2 328
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 39,190评论 1 342
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,848评论 5 338
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,531评论 3 322
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 31,159评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,411评论 1 268
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 47,067评论 2 365
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 44,078评论 2 352

推荐阅读更多精彩内容