Python Pandas - 处理文本数据

Pandas 提供了使用.str访问器处理文本数据的强大工具。这允许我们在 Series 和 Index 对象上应用各种字符串操作，这些操作在 Pandas DataFrame 中有效地进行字符串操作。

.str访问器提供了各种字符串方法，可以对字符串对象执行字符串转换、连接、搜索等操作。下面，这些方法根据其功能进行分类：

字符串转换

此类别包括以某种方式转换字符串的方法，例如更改大小写、格式化或修改特定字符。

序号	方法和描述
1	Series.str.capitalize() 将 Series 或 Index 中每个字符串的第一个字符转换为大写，其余转换为小写。
2	Series.str.casefold() 以更激进的方式将每个字符串转换为小写，适用于不区分大小写的比较。
3	Series.str.lower() 将 Series 或 Index 中每个字符串的所有字符转换为小写。
4	Series.str.upper() 将 Series 或 Index 中每个字符串的所有字符转换为大写。
5	Series.str.title() 将每个字符串转换为标题大小写，其中每个单词的第一个字符都大写。
6	Series.str.swapcase() 交换大小写 - 将大写字符转换为小写，反之亦然。
7	Series.str.replace() 将每个字符串中模式或正则表达式的出现替换为另一个字符串。

此类别包括用于将字符串修剪到特定字符或指定前缀的方法。

序号	方法和描述
1	Series.str.lstrip() 删除每个字符串开头的字符（默认为空格）。
2	Series.str.strip() 删除每个字符串开头和结尾的字符（默认为空格）。
3	Series.str.rstrip() 删除每个字符串结尾的字符（默认为空格）。
4	Series.str.removeprefix(prefix) 如果存在，则从 Series 或 Index 中每个字符串中删除指定的前缀。
5	Series.str.removesuffix(suffix) 如果存在，则从 Series 或 Index 中每个字符串中删除指定的尾缀。

这些方法允许您将多个字符串组合成一个，或使用指定的分割符联接字符串内的元素。

序号	方法和描述
1	Series.str.cat() 将 Series 或 Index 中的字符串与可选的分割符连接起来。
2	Series.str.join() 使用指定的分割符联接 Series 或 Index 中每个字符串包含的列表中的元素。

序号

方法和描述

将 Series 或 Index 中的字符串与可选的分割符连接起来。

使用指定的分割符联接 Series 或 Index 中每个字符串包含的列表中的元素。

此类别包括用于将字符串填充到特定长度或在指定宽度内对其对齐的方法。

序号	方法和描述
1	Series.str.center() 将 Series 或 Index 中每个字符串在指定的宽度内居中，用字符填充。
2	Series.str.pad() 将 Series 或 Index 中每个字符串填充到指定的宽度，可以选择从左侧、右侧或两侧填充。
3	Series.str.ljust() 用指定的字符填充 Series 或 Index 中每个字符串的右侧，以达到指定的宽度。
4	Series.str.rjust() 用指定的字符填充 Series 或 Index 中每个字符串的左侧，以达到指定的宽度。
5	Series.str.zfill() 用零填充 Series 或 Index 中每个字符串的左侧，直到达到指定的宽度。

这些方法帮助您在文本中查找子字符串、计数出现次数或检查模式。

序号	方法和描述
1	Series.str.contains() 检查 Series 或 Index 中每个字符串是否包含指定的模式。
2	Series.str.count() 计算 Series 或 Index 中每个字符串中模式或正则表达式的出现次数。
3	Series.str.find() 查找 Series 或 Index 中每个字符串中子字符串的最低索引。
4	Series.str.rfind() 查找 Series 或 Index 中每个字符串中子字符串的最高索引。
5	Series.str.index() 类似于 find()，但如果未找到子字符串则引发异常。
6	Series.str.rindex() 类似于 rfind()，但如果未找到子字符串则引发异常。
7	Series.str.match() 仅检查每个字符串开头的匹配项。
8	Series.str.fullmatch() 检查整个字符串的匹配项。
9	Series.str.extract() 使用正则表达式提取每个字符串中匹配的组。
10	Series.str.extractall() 使用正则表达式提取每个字符串中的所有匹配项。

分割方法根据分隔符或模式划分字符串，这对于将文本数据解析成单独的组件很有用。

序号	方法和描述
1	Series.str.split() 按指定的分隔符或正则表达式分割 Series 或 Index 中的每个字符串，并返回字符串列表。
2	Series.str.rsplit() 按指定的分隔符或正则表达式分割 Series 或 Index 中的每个字符串，从右侧开始，并返回字符串列表。
3	Series.str.partition() 在每个字符串中分隔符的第一次出现处分割，并返回包含三个元素的元组：分隔符之前的部分、分隔符本身以及分隔符之后的部分。
4	Series.str.rpartition() 在每个字符串中分隔符的最后一次出现处分割，并返回包含三个元素的元组：分隔符之前的部分、分隔符本身以及分隔符之后的部分。

这些方法对于过滤掉非字母数字字符、控制字符集或清理文本数据很有用。

序号	方法和描述
1	Series.str.filter() 返回提供的函数计算结果为真的元素。
2	Series.str.get() 提取指定位置每个组件的元素。
3	Series.str.get_dummies() 按指定的分隔符分割 Series 中的每个字符串，并返回虚拟/指示变量的 DataFrame。
4	Series.str.isalpha() 检查每个字符串是否仅由字母字符组成。
5	Series.str.isdigit() 检查每个字符串是否仅由数字组成。
6	Series.str.isnumeric()s 检查每个字符串是否仅由数字字符组成。
7	Series.str.isspace() 检查每个字符串是否仅由空格组成。
8	Series.str.isupper() 检查每个字符串中的所有字符是否都大写。
9	Series.str.islower() 检查每个字符串中的所有字符是否都小写。
10	Series.str.isalnum() 检查每个字符串中的所有字符是否都为字母数字（字母和数字）。
11	Series.str.istitle() 检查 Series 或 Index 中的每个字符串是否为标题大小写，其中每个单词都以大写字母开头。
12	Series.str.isdecimal() 检查每个字符串中的所有字符是否都为十进制字符。
13	Series.str.len() 计算 Series 或 Index 中每个字符串的长度。
14	Series.str.findall() 查找每个字符串中模式或正则表达式的所有出现。

此类别包括对字符串执行各种其他操作的方法，例如编码、解码和检查特定字符的存在。

序号	方法和描述
1	Series.str.encode() 使用指定的编码对每个字符串进行编码。
2	Series.str.decode() 使用指定的编码解码每个字符串。
3	Series.str.expandtabs() 将制表符字符（'\t'）扩展为空格。
4	Series.str.repeat() 将 Series 或 Index 中每个字符串重复指定的次数。
5	Series.str.slice_replace() 用传递的替换项替换每个字符串中的切片。
6	Series.str.translate() 通过转换表映射字符串中的每个字符。
7	Series.str.slice() 将 Series 或 Index 中的每个字符串根据传递的参数进行切片。
8	Series.str.startswith() 检查 Series 或 Index 中的每个字符串是否以指定的模式开头。
9	Series.str.endswith() 检查 Series 或 Index 中的每个字符串是否以指定的模式结尾。
10	Series.str.normalize() 将 Series 或 Index 中每个字符串的 Unicode 表示形式规范化为指定的规范化形式。
11	Series.str.wrap() 将 Series 或 Index 中的每个字符串换行到指定的行宽，根据需要换行。

打印页面