数据结构
网络
RDBMS
操作系统
Java
MS Excel
iOS
HTML
CSS
Android
Python
C 编程
C++
C#
MongoDB
MySQL
JavaScript
PHP
物理学
化学
生物学
数学
英语
经济学
心理学
社会科学
时尚研究
法律研究应用大写到 Python 中的 Pandas 数据表的一列中
在本教程中，我们将了解如何将数据表中的姓名列转为大写。让我们来看看实现我们的目标的不同方法。
示例
我们可以通过使用 upper() 方法将其转为大写，从而将一列分配给数据表。
让我们来看看代码。
# importing the pandas package
import pandas as pd
# data for DataFrame
data = {
'Name': ['Hafeez', 'Aslan', 'Kareem'],
'Age': [19, 21, 18],
'Profession': ['Developer', 'Engineer', 'Artist']
}
# creating DataFrame
data_frame = pd.DataFrame(data)
# displaying the DataFrame
print('---------------------Before-------------------')
print(data_frame)
print()
# making the Name column strings to upper case
data_frame['Name'] = data_frame['Name'].str.upper()
# displaying the DataFrame
print('---------------------After-------------------')
print(data_frame)输出
如果你运行以上程序，你将获得以下结果。
---------------------Before------------------- Name Age Profession 0 Hafeez 19 Developer 1 Aslan 21 Engineer 2 Kareem 18 Artist ---------------------After------------------- Name Age Profession 0 HAFEEZ 19 Developer 1 ASLAN 21 Engineer 2 KAREEM 18 Artist
示例
我们还可以使用数据表的 apply() 方法来实现相同的事情。让我们看看相关的代码。
# importing the pandas package
import pandas as pd
# data for DataFrame
data = {
'Name': ['Hafeez', 'Aslan', 'Kareem'],
'Age': [19, 21, 18],
'Profession': ['Developer', 'Engineer', 'Artist']
}
# creating DataFrame
data_frame = pd.DataFrame(data)
# displaying the DataFrame
print('---------------------Before-------------------')
print(data_frame)
print()
# making the Name column strings to upper case
data_frame['Name'] = data_frame['Name'].apply(lambda name : name.upper())
# displaying the DataFrame
print('---------------------After-------------------')
print(data_frame)输出
如果你运行以上程序，你将获得以下结果。
---------------------Before------------------- Name Age Profession 0 Hafeez 19 Developer 1 Aslan 21 Engineer 2 Kareem 18 Artist ---------------------After------------------- Name Age Profession 0 HAFEEZ 19 Developer 1 ASLAN 21 Engineer 2 KAREEM 18 Artist
结论
我希望你从本教程中学到了东西。如果你对本教程有任何疑问，请在评论部分提问。
更新时间： 01-Nov-2019
1K+ 浏览
广告