Pandas 文本处理操作实例
在本章中，我们将使用基本的Series / Index讨论字符串操作。在随后的章节中，我们将学习如何在DataFrame上应用这些字符串函数。
Pandas提供了一组字符串函数，可以轻松地对字符串数据进行操作。最重要的是，这些函数忽略（或排除）缺少的/ NaN值。
几乎所有这些方法都可用于Python字符串函数（请参阅： https://docs.python.org/3/library/stdtypes.html#string-methods)。因此，将Series对象转换为String对象，然后执行该操作。
我们看看每个操作如何执行。
| 方法 | 说明 |
| lower() | 将系列/索引中的字符串转换为小写。 |
| upper() | 将系列/索引中的字符串转换为大写。 |
| len() | 计算字符串length()。 |
| strip() | 帮助从两侧从系列/索引中的每个字符串中去除空格（包括换行符）。 |
| split(' ') | 用给定的模式分割每个字符串。 |
| cat(sep=' ')/td> | 用给定的分隔符连接系列/索引元素。 |
| get_dummies() | 返回具有一键编码值的DataFrame。 |
| contains(pattern) | 如果子字符串包含在元素中，则为每个元素返回一个布尔值True，否则返回False。 |
| replace(a,b) | a值替换成b。 |
| repeat(value) | 以指定的次数重复每个元素。 |
| count(pattern) | 返回每个元素中模式出现的次数。 |
| startswith(pattern) | 如果系列/索引中的元素以模式开头，则返回true。 |
| endswith(pattern) | 如果系列/索引中的元素以模式结尾，则返回true。 |
| find(pattern) | 返回模式首次出现的第一个位置。 |
| findall(pattern) | 返回所有出现的模式的列表。 |
| swapcase | 大小写互换 |
| islower()< | 检查“系列/索引”中每个字符串中的所有字符是否都小写。返回布尔值 |
| isupper() | 检查“系列/索引”中每个字符串中的所有字符是否都大写。返回布尔值。 |
| isnumeric() | 检查“系列/索引”中每个字符串中的所有字符是否都是数字。返回布尔值。 |
我们来创建一个Series，看看以上所有功能如何工作。
示例
import pandas as pd import numpy as np s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith']) print s
运行结果：
0 Tom 1 William Rick 2 John 3 Alber@t 4 NaN 5 1234 6 Steve Smith dtype: object
lower()
示例
import pandas as pd import numpy as np s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith']) print s.str.lower()
运行结果：
0 tom 1 william rick 2 john 3 alber@t 4 NaN 5 1234 6 steve smith dtype: object
upper()
示例
import pandas as pd import numpy as np s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith']) print s.str.upper()
运行结果：
0 TOM 1 WILLIAM RICK 2 JOHN 3 ALBER@T 4 NaN 5 1234 6 STEVE SMITH dtype: object
len()
示例
import pandas as pd import numpy as np s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t', np.nan, '1234','SteveSmith']) print s.str.len()
运行结果：
0 3.0 1 12.0 2 4.0 3 7.0 4 NaN 5 4.0 6 10.0 dtype: float64
strip()
示例
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("After Stripping:")
print s.str.strip()运行结果：
0 Tom 1 William Rick 2 John 3 Alber@t dtype: object After Stripping: 0 Tom 1 William Rick 2 John 3 Alber@t dtype: object
split(pattern)
示例
import pandas as pd
import numpy as np
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("Split Pattern:")
print s.str.split(' ')运行结果：
0 Tom 1 William Rick 2 John 3 Alber@t dtype: object Split Pattern: 0 [Tom, , , , , , , , , , ] 1 [, , , , , William, Rick] 2 [John] 3 [Alber@t] dtype: object
cat(sep=pattern)
示例
import pandas as pd import numpy as np s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t']) print s.str.cat(sep='_')
运行结果：
Tom _ William Rick_John_Alber@t
get_dummies()
示例
import pandas as pd import numpy as np s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t']) print s.str.get_dummies()
运行结果：
William Rick Alber@t John Tom0 0 0 0 11 1 0 0 02 0 0 1 03 0 1 0 0
contains ()
示例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.contains(' ')运行结果：
0 True 1 True 2 False 3 False dtype: bool
replace(a,b)
示例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s
print ("After replacing @ with $:")
print s.str.replace('@',')
)运行结果：
0 Tom 1 William Rick 2 John 3 Alber@t dtype: object After replacing @ with $: 0 Tom 1 William Rick 2 John 3 Alber$t dtype: object
repeat(value)
示例
import pandas as pd s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t']) print s.str.repeat(2)
运行结果：
0 Tom Tom1 William Rick William Rick2 JohnJohn3 Alber@tAlber@tdtype: object
count(pattern)
示例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("每个字符串中的“ m”数:")
print s.str.count('m')运行结果：
每个字符串中的“ m”数: 0 1 1 1 2 0 3 0
startswith(pattern)
示例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that start with 'T':")
print s.str. startswith ('T')运行结果：
0 True 1 False 2 False 3 False dtype: bool
endswith(pattern)
示例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print ("Strings that end with 't':")
print s.str.endswith('t')运行结果：
Strings that end with 't': 0 False 1 False 2 False 3 True dtype: bool
find(pattern)
示例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.find('e')运行结果：
0 -1 1 -1 2 -1 3 3 dtype: int64
“ -1”表示元素中没有匹配到。
findall(pattern)
示例
import pandas as pd
s = pd.Series(['Tom ', ' William Rick', 'John', 'Alber@t'])
print s.str.findall('e')运行结果：
0 [] 1 [] 2 [] 3 [e] dtype: object
空列表（[]）表示元素中没有匹配到
swapcase()
示例
import pandas as pd s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t']) print s.str.swapcase()
运行结果：
0 tOM 1 wILLIAM rICK 2 jOHN 3 aLBER@T dtype: object
islower()
示例
import pandas as pd s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t']) print s.str.islower()
运行结果：
0 False 1 False 2 False 3 False dtype: bool
isupper()
示例
import pandas as pd s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t']) print s.str.isupper()
运行结果：
0 False 1 False 2 False 3 False dtype: bool
isnumeric()
示例
import pandas as pd s = pd.Series(['Tom', 'William Rick', 'John', 'Alber@t']) print s.str.isnumeric()
运行结果：
0 False 1 False 2 False 3 False dtype: bool