Pandas字符串处理

Series.str字符串方法列表参考文档

Pandas的字符串处理：

1. 使用方法：先获取Series的str属性，然后在属性上调用函数；
2. 只能在字符串列上使用，不能数字列上使用；
3. Dataframe上没有str属性和处理方法
4. Series.str并不是Python原生字符串，而是自己的一套方法，不过大部分和原生str很相似；

本节演示内容：

1. 获取Series的str属性，然后使用各种字符串处理函数
2. 使用str的startswith、contains等bool类Series可以做条件查询
3. 需要多次str处理的链式操作
4. 使用正则表达式的处理

读取数据

import pandas as pd

  

 

  
1
 

df = pd.read_csv("data.xlsx")
df.head()

  

 

  
1
  
2
  
3
 

df.dtypes

  

 

  
1
 

ymd object
bWendu object
yWendu object
tianqi object
fengxiang object
fengli object
aqi int64
aqiInfo object
aqiLevel int64
dtype: object

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
 

获取Series的str属性，使用各种字符串处理函数

df["bWendu"].str

  

 

  
1
 

<pandas.core.strings.StringMethods at 0x1af21871808>

  

 

  
1
 

# 字符串替换函数
df["bWendu"].str.replace("℃", "")

  

 

  
1
  
2
 

0 3
1 2
2 2
3 0
4 3 ..
360 -5
361 -3
362 -3
363 -2
364 -2
Name: bWendu, Length: 365, dtype: object

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

# 判断是不是数字
df["bWendu"].str.isnumeric()

  

 

  
1
  
2
 

0 False
1 False
2 False
3 False
4 False ...  
360 False
361 False
362 False
363 False
364 False
Name: bWendu, Length: 365, dtype: bool

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

df["aqi"].str.len()

  

 

  
1
 

使用str的startswith、contains等得到bool的Series可以做条件查询

condition = df["ymd"].str.startswith("2018-03")

  

 

  
1
 

condition

  

 

  
1
 

0 False
1 False
2 False
3 False
4 False ...  
360 False
361 False
362 False
363 False
364 False
Name: ymd, Length: 365, dtype: bool

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

df[condition].head()

  

 

  
1
 

需要多次str处理的链式操作

怎样提取201803这样的数字月份？
1、先将日期2018-03-31替换成20180331的形式
2、提取月份字符串201803

df["ymd"].str.replace("-", "")

  

 

  
1
 

0 20180101
1 20180102
2 20180103
3 20180104
4 20180105 ... 360 20181227
361 20181228
362 20181229
363 20181230
364 20181231
Name: ymd, Length: 365, dtype: object

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

# 每次调用函数，都返回一个新Series
df["ymd"].str.replace("-", "").slice(0, 6)

  

 

  
1
  
2
 

使用正则表达式的处理

# 添加新列
def get_nianyueri(x): year,month,day = x["ymd"].split("-") return f"{year}年{month}月{day}日"
df["中文日期"] = df.apply(get_nianyueri, axis=1)

  

 

  
1
  
2
  
3
  
4
  
5
 

df["中文日期"]

  

 

  
1
 

0 2018年01月01日
1 2018年01月02日
2 2018年01月03日
3 2018年01月04日
4 2018年01月05日 ... 360 2018年12月27日
361 2018年12月28日
362 2018年12月29日
363 2018年12月30日
364 2018年12月31日
Name: 中文日期, Length: 365, dtype: object

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

问题：怎样将“2018年12月31日”中的年、月、日三个中文字符去除？

# 方法1：链式replace
df["中文日期"].str.replace("年", "").str.replace("月","").str.replace("日", "")

  

 

  
1
  
2
 

0 20180101
1 20180102
2 20180103
3 20180104
4 20180105 ... 360 20181227
361 20181228
362 20181229
363 20181230
364 20181231
Name: 中文日期, Length: 365, dtype: object

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

Series.str默认就开启了正则表达式模式

# 方法2：正则表达式替换
df["中文日期"].str.replace("[年月日]", "")

  

 

  
1
  
2
 

0 20180101
1 20180102
2 20180103
3 20180104
4 20180105 ... 360 20181227
361 20181228
362 20181229
363 20181230
364 20181231
Name: 中文日期, Length: 365, dtype: object

  

 

  
1
  
2
  
3
  
4
  
5
  
6
  
7
  
8
  
9
  
10
  
11
  
12
 

文章来源: beishan.blog.csdn.net，作者：北山啦，版权归原作者所有，如需转载，请联系作者。

原文链接：beishan.blog.csdn.net/article/details/112755714