CDA数据科学研究院 CDA考试中心 CDA人工智能学院 企业服务 关于CDA

cda

全国校区

您的位置:首页 > 大数据时代 > 对比python字符串函数,学习pandas的str矢量化字符串函数

对比python字符串函数,学习pandas的str矢量化字符串函数

2020-06-30

文章来源:数据分析与统计学之美

作者:黄伟呢

1.概述

python字符串应该是python里面最重要的数据类型了,因此学会怎么处理各种各样的字符串,显得尤为重要。

我们不仅要学会怎么处理单个字符串,这个就需要学习“python字符串函数”,我们还要学会怎么处理二维表格中每一列每一格的字符串,这个就需要学习“pandas的str矢量化字符串函数”。

今天我们采用对比的方式,带大家总结常用的字符串函数,希望这篇文章能够对大家起到很好的作用。

在开始享用这篇文章之前,请培养好自己的耐心,本文确实干货满满,一定要看到最后你才知道收获有多大,尤其是后面的str属性,超有用。

2.常用的python字符串函数

字符串中,空白符也算是真实存在的一个字符。

1)python字符串函数大全

2)函数讲解

① find()函数

功能 :检测字符串是否包含指定字符。如果包含指定字符,则返回开始的索引;否则,返回-1.

② index()函数

功能 :检测字符串是否包含指定字符。如果包含指定字符,则返回开始的索引;否则,提示ValueError错误。

③ count()函数

功能 : 统计字符串中,某指定字符在指定索引范围内,出现的次数。

索引范围 :左闭右开区间。

注意 :如果不指定索引范围,表示在整个字符串中,搜索指定字符出现的次数。

④ replace()函数

语法 :st.replace(str1.str2.count)。

功能 :将字符串st中的str1替换为str2.

注意 : 如果不指定count,则表示整个替换;如果指定count=1.则表示只替换一次,count=2.则表示只替换两次。

⑤ split()

语法 :st.split('分隔符', maxSplit)

功能 :将字符串按照指定分隔符,进行分割。

注意 :如果split中什么都不写,则默认按照空格进行分割;如果指定了分割符,则按照指定分隔符,进行分割。

maxSplit作用:不好叙述,自己看下面的例子就明白。

⑥ startswith()函数

语法 :st.startswith(str1)

功能 :检查字符串st是否以字符串str1开头,若是,则返回True;否则,返回False。

⑦ endswith()函数

语法 :st.endswith(str1)

功能 :检查字符串st是否以字符串str1结尾,若是,则返回True;否则,返回False。

⑧ lower()

语法 :st.lower()

功能 :将字符串的所有字母转换为小写。

⑨ upper()

语法 :st.upper()

功能 :将字符串的所有字母转换为大写。

⑩ strip()

语法 :st.strip()

功能 :去掉字符串左右两边的空白字符。

注1:st.rstrip() : 去掉字符串右边的空白字符。

注2:st.lstrip() : 去掉字符串左边的空白字符。

⑪ join()函数

语法 :st.join(str1)

功能 :在指定字符串str1中,每相邻元素中间插入st字符串,形成新的字符串。

注意 :是在str1中间插入st,而不是在st中间插入str1.

⑫ isalpha()

语法 :str.isalpha()

功能 :如果字符串str中只包含字母,则返回True;否则,返回False。

注意 :只有字符串中全部是字母,才会返回True,中间有空格都不行。

⑬ isdigit()

语法 :str.isdigit()

功能 :如果字符串str中只包含数字,则返回True;否则,返回False。

3.常用的str矢量化字符串函数

str矢量化操作:指的是循环迭代数组里面的某个元素,来完成某个操作。

1)str矢量化字符串函数大全

2)构造一个DataFrame,用于测试函数

import pandas as pd

df ={'姓名':[' 黄同学','黄至尊','黄老邪 ','陈大美','孙尚香'],

'英文名':['Huang tong_xue','huang zhi_zun','Huang Lao_xie','Chen Da_mei','sun shang_xiang'],

'性别':['男','women','men','女','男'],

'身份证':['463895200003128433','429475199912122345','420934199110102311','431085200005230122','420953199509082345'],

'身高':['mid:175_good','low:165_bad','low:159_bad','high:180_verygood','low:172_bad'],

'家庭住址':['湖北广水','河南信阳','广西桂林','湖北孝感','广东广州'],

'电话号码':['13434813546','19748672895','16728613064','14561586431','19384683910'],

'收入':['1.1万','8.5千','0.9万','6.5千','2.0万']}

df = pd.DataFrame(df)

df

结果如下:

3)函数讲解

① cat函数:用于字符串的拼接

df["姓名"].str.cat(df["家庭住址"],sep='-'*3)

结果如下:

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:

完 谢谢观看

分享
收藏

OK