pandas向量化字符串操作方法！

作者：小伍哥 

来源：AI入门学习

python内置一系列强大的字符串处理方法，但这些方法只能处理单个字符串，处理一个序列的字符串时，需要用到循环。那么，有没有办法，不用循环就能同时处理多个字符串呢，pandas的向量化操作就提供了这样的方法。

向量化的操作使我们不必担心数组的长度和维度，只需要关系操作功能，尤为强大的是，除了支持常用的字符串操作方法，还集成了正则表达式的大部分功能，这使得pandas在处理字符串列时，具有非常大的魔力。

例如，要计算每个单词中‘a’的个数，下面一行代码就可以搞定，非常高效。

假如用内置的字符串函数进行操作，需要进行遍历，且Python原生的遍历操作无法处理缺失值。

#用循环进行处理

#存在缺失值时，打印报错

Pandas的向量化操作，能够正确的处理缺失值，无报错信息，如下：

通过上面的例子，对向量化进行简单总结，向量化是一种同时操作整个数组而不是一次操作一个元素的方法，下面从看看具体怎么应用。

向量化的字符方法

Pandas的字符串属的方法几乎包括了大部分Python的内置字符串方法（内置共有45个方法）,下面将列举一些常见的方法的用法，例如上面的count()方法将会返回某个字符的个数,而len方法将会返回整个字符的长度。

下面选取部分函数举例，其他函数参考字符串模块：Python字符串的45个方法详解

len()

lower()

zfill()

右对齐，前面用0填充到指定字符串长度。

向量化的正则表达式

Pandas的字符串方法根据Python标准库的re模块实现了正则表达式，下面将介绍Pandas的str属性内置的正则表达式相关方法。

split()

split,按指定字符分割字符串，类似split的方法返回一个列表类型的序列

#按数字分割

切分后的列表中的元素可以通过get方法或者 [] 方法进行读取

使用expand方法可以轻易地将这种返回展开为一个数据表。

同样，我们也可以限制切分的次数：

rsplit()

rsplit与split相似，不同的是，这个切分的方向是反的。即，从字串的尾端向首段切分。

replace ()

replace方法默认使用正则表达式

findall()

提取聊天记录中的QQ号

其他向量化的方法

除了上面介绍的Pandas字符串的正常操作和正则表达式外，Pandas的str属性还提供了其他的一些方法，这些方法非常的有用，在进行特征提取或者数据清洗时，非常高效，具体如下：

wrap()

pad()

slice()

get()

slice_replace()

切片替换

get_dummies()

另一个需要好好解释的是get_dummies()方法，举个例子：假如我们用A，B，C，D来表示一个人的某个特征：

repeat()

cat()

作用：连接字符串 

用法：Series.str.cat(others=None, sep=None, na_rep=None) 

参数: 

• others : 列表或复合列表,默认为None,如果为None则连接本身的元素 
• sep : 字符串 或者None,默认为None 
• na_rep : 字符串或者 None, 默认 None。如果为None缺失值将被忽略。 

返回值: concat : 序列(Series)/索引(Index)/字符串(str)

——热门课程推荐：

想学习PYTHON数据分析与金融数字化转型精英训练营，您可以点击>>>“人才转型”了解课程详情；

想从事业务型数据分析师，您可以点击>>>“数据分析师”了解课程详情；

想从事大数据分析师，您可以点击>>>“大数据就业”了解课程详情；

想成为人工智能工程师，您可以点击>>>“人工智能就业”了解课程详情；

想了解Python数据分析，您可以点击>>>“Python数据分析师”了解课程详情；

想咨询互联网运营，你可以点击>>>“互联网运营就业班”了解课程详情； 

想了解更多优质课程，请点击>>>