公众号：尤而小屋
本文给大家介绍的是如何使用Pandas来操作字符串数据 。
字符串是一种常见的数据类型，我们遇到的文本、json数据等都是属于字符串的范畴。Python内置了很多处理字符串的方法，这些方法为我们处理和清洗数据提供了很大的便利。
python内置方法 # 1、自定义字符串 "hello python!" 'hello python!' 查看x的类型：
type(x) # str类型 str # 2、字符串拼接 " hello pandas!" # 拼接x和hello pandas! 赋值给y 'hello python! hello pandas!' # 3、字符串大小写转化 'HELLO PYTHON! HELLO PANDAS!' y_lower = y_upper.lower() 'hello python! hello pandas!' # 4、字符串替换 'p' ,'P' ) # 小写p用大写P替换 'hello Python! hello Pandas!' # 5、字符串切割 " " ) # 返回的是列表形式；里面就是切割后的每个元素 ['hello', 'python!', 'hello', 'pandas!'] # 6、字符串去除空白 "" .join(y.split())'hellopython!hellopandas!' # 7、包含与否 "m" in yFalse
"p" in y True 还可以正则模块re来处理字符串相关的问题(不展开)。
Python内置的字符串处理方法只能处理一个字符串，如果想要同时处理，可以使用：
a = ["python" ,"java" ,"c" ] ['python', 'java', 'c'] # 遍历循环实现 for i in a:f"The lenght of {i} : " , len(i))The lenght of python: 6 # 列表推导式 for i in a] [6, 4, 1] 但是python内置的方法存在一个问题，不能处理缺失值：
b = ["python" ,"java" ,"c" , None ] # 存在缺失值 ['python', 'java', 'c', None] # [len(i) for i in b] # 运行报错 Pandas字符串类型 Pandas中存在两种字符串类型：ObjectDtype类型和StringDtype类型。关于StringDtype类型，官方有说明：
StringDtype is considered experimental. The implementation and parts of the API may change without warning.
中文翻译过来就是：StringDtype类型是实验性的。它的实现和部分API功能可能在未告知的情况下删除。
import pandas as pdPandas改变Object数据类型 Object类型是我们在pandas中常用的字符串类型。
astype指定类型 s = pd.Series(['a' ,'b' ,'c' ,None ]) 0 a 上面表示的是Pandas中字符或者字符与其他类型(案例是None)的混合类型。
s.dtype dtype('O') s1 = s.astype("string" ) # 通过astype强制转化成string 0 a 上面表示的是pandas的“纯“字符类型”。
s1.dtype string[python] 在创建Series的时候可以直接指定数据类型：
s2 = pd.Series(['a' ,'b' ,'c' ,None ], dtype='string' ) 0 a s2.dtype string[python] convert_dtypes转化数据类型 df = pd.DataFrame(['1' ,'2' ,'3' ,None ],'A' ]) df.dtypes A object df = df.convert_dtypes() df.dtypes A string Pandas向量化操作字符串
Pandas中内置了等效python的字符串操作方法：str属性
df = pd.DataFrame(["Python Gudio 1991" ,"Java Gosling 1990" ,None , "Pandas Mckinney 2008" ],"Language" ] Language 0 Python Gudio 1991 1 Java Gosling 1990 2 None 3 Pandas Mckinney 2008
改变字符串的大小写：
# 全部大写 "Language" ].str.upper()0 PYTHON GUDIO 1991 # 全部小写 "Language" ].str.lower()0 python gudio 1991 求解字符串的长度len：
# 求解长度 "Language" ].str.len()0 17.0 3、检查字符串中是否包含指定的字符：
# 包含 "Language" ].str.contains("P" )0 True # 筛选数据 "Language" ].str.contains("P" ) == True ]Language
0 Python Gudio 1991 3 Pandas Mckinney 2008
检查字符串是否以指定元素开始：
df["Language" ].str.startswith("J" ) # 是否以J开头 0 False # 筛选数据 "Language" ].str.startswith("J" ) == True ]Language 1 Java Gosling 1990
检查字符串是否以指定元素结尾：
df["Language" ].str.endswith("8" ) # 是否以8结束 0 False df[df["Language" ].str.endswith("8" ) == True ] Language 3 Pandas Mckinney 2008
df Language 0 Python Gudio 1991 1 Java Gosling 1990
2 None 3 Pandas Mckinney 2008
查找指定元素第一次出现的位置（索引号，左边第一个）；如果字符串中不包含该字符，则返回-1：
df["Language" ].str.find("a" ) 0 -1.0 查找指定元素在最右边出现的位置；如果字符串中不包含该字符，则返回-1：
df["Language" ].str.rfind("a" ) 0 -1.0 调整字符串的整体宽度：右对齐填充
df["Language" ].str.rjust(width=20 ) 0 Python Gudio 1991 df["Language" ].str.rjust(width=30 ) # 前面的空白明显增加 0 Python Gudio 1991 另外一个函数str.pad也可以实现;
df["Language" ].str.pad(width=30 ) 0 Python Gudio 1991 右对齐，前面使用0填充到指定字符串长度：
df["Language" ].str.zfill(width=20 ) 0 000Python Gudio 1991 df["Language" ].str.zfill(width=30 ) 0 0000000000000Python Gudio 1991 字符串重复（复制）指定的次数：
df["Language" ].str.repeat(repeats=2 ) 0 Python Gudio 1991Python Gudio 1991 字符串的分割split：
# 拆分 "Language" ].str.split()
0 [Python, Gudio, 1991] 拆分split和连接join的联合使用：
df["Language" ].str.split().str.join("_" ) 0 Python_Gudio_1991 df["Language" ].str.split().str.join("+" ) 0 Python+Gudio+1991 # 拆分 + 获取单个元素 "Language" ].str.split().str[0 ] # 第1个元素 0 Python df["Language" ].str.split().str[1 ] # 第二个元素 0 Gudio 通过get方法来获取分割后的数据：索引从0开始
# 使用字符串的get方法 "Language" ].str.split().str.get(0 )0 Python df["Language" ].str.split().str.get(1 ) 0 Gudio 将分割后的数据进行展开，列属性名是0,1,2......等自然数
# 使用expand参数，将返回的列表进行展开 "Language" ].str.split(" " , expand=True )0 1 2 0 Python Gudio 1991 1 Java Gosling 1990 2 None None None 3 Pandas Mckinney 2008
指定最大列属性值：n=1表示分割split之后的最大列索引值为1：
df["Language" ].str.split(" " , expand=True , n=1 ) 0 1 0 Python Gudio 1991 1 Java Gosling 1990 2 None None 3 Pandas Mckinney 2008
字符串的正则表达式 df Language 0 Python Gudio 1991 1 Java Gosling 1990 2 None
3 Pandas Mckinney 2008
df["Language" ].str.match("^P" ) # 匹配以P开头的内容 0 True df["Language" ].str.contains("J" ) # 匹配包含字母J 0 False df["Language" ].str.findall("[PJ]" ) # 匹配包含字母P或者J 0 [P] df["Language" ].str.findall('\d+' ) # 提取字符串中的数据部分 0 [1991] df["Language" ].str.findall('(.*?) ' ) 0 [Python, Gudio] str.replace：正则表达式中的替换功能
# 将字母J和Python整个字符串替换成? "Language" ].str.replace("^J|Python" ,"?" ,case=False )C:\Users\ADMINI~1\AppData\Local\Temp/ipykernel_6752/2175481212.py:1: FutureWarning: The default value of regex will change from True to False in a future version. 方法汇总 str.strip：去除字符串开头和结尾处的空格（默认） str.lstrip：去除字符串左边的空格（默认）或者指定字符 str.rtrip：去除字符串结尾处的空格（默认）或者指定字符 str.find：查找字符串中指定的子字符串第一次出现的位置 str.rfind：查找字符串中指定的子字符串最后一次出现的位置 str.index：查找指定字符在字符串中第一次出现的位置（索引号） str.rindex：查找指定字符在字符串中最后一次出现的位置（索引号） str.capitalize：将字符串中的单词的第一个字母变成大写，其余字母为小写 str.isalpha：检查字符串是否只由字母组成 str.isdigit;检查字符串是否只由数字组成 str.islower：检查字符串是否只由小写字母组成 str.isupper：检查字符串是否只由大写字母组成 str.istitle：检查所有单词首字母是否大写，其他字母是否是小写组成 str.startswith：检查字符串是否以指定字符开始 str.endswith：检查字符串是否以指定字符结束 str.zfill：右对齐，前面使用0填充到指定字符串长度
机器学习交流qq群955171419，加入微信群请 扫码 
