- Python Pandas 教程
- Python Pandas - 首页
- Python Pandas - 简介
- Python Pandas - 环境设置
- Python Pandas - 基础
- Python Pandas - 数据结构介绍
- Python Pandas - 索引对象
- Python Pandas - Panel
- Python Pandas - 基本功能
- Python Pandas - 索引和数据选择
- Python Pandas - Series
- Python Pandas - Series
- Python Pandas - Series 对象切片
- Python Pandas - Series 对象的属性
- Python Pandas - Series 对象的算术运算
- Python Pandas - 将 Series 转换为其他对象
- Python Pandas - DataFrame
- Python Pandas - DataFrame
- Python Pandas - 访问 DataFrame
- Python Pandas - DataFrame 对象切片
- Python Pandas - 修改 DataFrame
- Python Pandas - 从 DataFrame 中删除行
- Python Pandas - DataFrame 的算术运算
- Python Pandas - I/O 工具
- Python Pandas - I/O 工具
- Python Pandas - 使用 CSV 格式
- Python Pandas - 读取和写入 JSON 文件
- Python Pandas - 从 Excel 文件读取数据
- Python Pandas - 将数据写入 Excel 文件
- Python Pandas - 使用 HTML 数据
- Python Pandas - 剪贴板
- Python Pandas - 使用 HDF5 格式
- Python Pandas - 与 SQL 的比较
- Python Pandas - 数据处理
- Python Pandas - 排序
- Python Pandas - 重新索引
- Python Pandas - 迭代
- Python Pandas - 级联
- Python Pandas - 统计函数
- Python Pandas - 描述性统计
- Python Pandas - 使用文本数据
- Python Pandas - 函数应用
- Python Pandas - 选项和自定义
- Python Pandas - 窗口函数
- Python Pandas - 聚合
- Python Pandas - 合并/连接
- Python Pandas - 多层索引
- Python Pandas - 多层索引基础
- Python Pandas - 使用多层索引进行索引
- Python Pandas - 使用多层索引的高级重新索引
- Python Pandas - 重命名多层索引标签
- Python Pandas - 对多层索引进行排序
- Python Pandas - 二元运算
- Python Pandas - 二元比较运算
- Python Pandas - 布尔索引
- Python Pandas - 布尔掩码
- Python Pandas - 数据重塑和透视
- Python Pandas - 透视
- Python Pandas - 堆叠和取消堆叠
- Python Pandas - 熔化
- Python Pandas - 计算虚拟变量
- Python Pandas - 分类数据
- Python Pandas - 分类数据
- Python Pandas - 分类数据的排序和分类
- Python Pandas - 分类数据的比较
- Python Pandas - 处理缺失数据
- Python Pandas - 缺失数据
- Python Pandas - 填充缺失数据
- Python Pandas - 缺失值的插值
- Python Pandas - 删除缺失数据
- Python Pandas - 使用缺失数据的计算
- Python Pandas - 处理重复项
- Python Pandas - 重复数据
- Python Pandas - 计数和检索唯一元素
- Python Pandas - 重复标签
- Python Pandas - 分组和聚合
- Python Pandas - GroupBy
- Python Pandas - 时间序列数据
- Python Pandas - 日期功能
- Python Pandas - Timedelta
- Python Pandas - 稀疏数据结构
- Python Pandas - 稀疏数据
- Python Pandas - 可视化
- Python Pandas - 可视化
- Python Pandas - 其他概念
- Python Pandas - 警告和陷阱
- Python Pandas 有用资源
- Python Pandas - 快速指南
- Python Pandas - 有用资源
- Python Pandas - 讨论
Pandas Series.str.get() 方法
Python Pandas 中的Series.str.get() 方法用于从 Series 或索引的每个元素中包含的各种数据结构中提取元素。无论您使用的是列表、元组、字典还是字符串,此方法都允许您指定要提取的元素的位置或键。
它简化了访问嵌套数据的过程,在数据清理和预处理任务中非常有用。
语法
以下是 Pandas Series.str.get() 方法的语法:
Series.str.get(i)
参数
Series.str.get() 方法接受以下参数:
i - 表示要提取的元素的位置或键的整数或可哈希字典标签。
返回值
Series.str.get() 方法返回包含提取元素的 Series 或索引。
示例 1
此示例演示使用 Series.str.get() 方法从 DataFrame 列中的列表中提取元素。
import pandas as pd
# Create a DataFrame with a column of lists
df = pd.DataFrame({"A": [[1, 2, 3], [0, 1, 3]], "B": ['Tutorial', 'AEIOU']})
print("Original DataFrame:")
print(df)
# Extract the element at index 1 from each list in column 'A'
df['C'] = df['A'].str.get(1)
print("\nDataFrame after extracting elements from lists in column 'A':")
print(df)
运行上述代码时,会产生以下输出:
Original DataFrame:
A B
0 [1, 2, 3] Tutorial
1 [0, 1, 3] AEIOU
DataFrame after extracting elements from lists in column 'A':
A B C
0 [1, 2, 3] Tutorial 2
1 [0, 1, 3] AEIOU 1
新列“C”包含从列“A”中每个列表的索引 1 提取的元素。
示例 2
此示例演示使用 Series.str.get() 方法从 DataFrame 列中的字符串中提取字符。
import pandas as pd
# Create a DataFrame with a column of strings
df = pd.DataFrame({"A": [[1, 2, 3], [0, 1, 3]], "B": ['Tutorial', 'AEIOU']})
print("Original DataFrame:")
print(df)
# Extract the character at index 1 from each string in column 'B'
df['D'] = df['B'].str.get(1)
print("\nDataFrame after extracting characters from strings in column 'B':")
print(df)
运行上述代码时,会产生以下输出:
Original DataFrame:
A B
0 [1, 2, 3] Tutorial
1 [0, 1, 3] AEIOU
DataFrame after extracting characters from strings in column 'B':
A B D
0 [1, 2, 3] Tutorial u
1 [0, 1, 3] AEIOU E
示例 3
此示例演示使用 Series.str.get() 方法从 DataFrame 列中的字典中提取值。
import pandas as pd
# Create a DataFrame with a column of dictionaries
df = pd.DataFrame({"A": [{'a': 1, 'b': 2}, {'a': 3, 'b': 4}], "B": ['Dict1', 'Dict2']})
print("Original DataFrame:")
print(df)
# Extract the value associated with key 'a' from each dictionary in column 'A'
df['C'] = df['A'].str.get('a')
print("\nDataFrame after extracting values from dictionaries in column 'A':")
print(df)
运行上述代码时,会产生以下输出:
Original DataFrame:
A B
0 {'a': 1, 'b': 2} Dict1
1 {'a': 3, 'b': 4} Dict2
DataFrame after extracting values from dictionaries in column 'A':
A B C
0 {'a': 1, 'b': 2} Dict1 1
1 {'a': 3, 'b': 4} Dict2 3
python_pandas_working_with_text_data.htm
广告