Pandas-数据操作-字符串型（二）：常用方法【lower、upper、len、startswith、endswith、strip、lstrip、replace、split、rsplit】

2024-09-02 01:58
文章标签 数据 方法 操作 字符串 常用 pandas replace split len strip startswith lower upper lstrip endswith rsplit

本文主要是介绍Pandas-数据操作-字符串型（二）：常用方法【lower、upper、len、startswith、endswith、strip、lstrip、replace、split、rsplit】，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

一、字符串常用方法：lower，upper，len，startswith，endswith

import numpy as np
import pandas as pds = pd.Series(['A', 'b', 'bbhello', '123', np.nan])
print("s = \n", s)
print('-' * 200)
print("lower小写: s.str.lower() = \n", s.str.lower())
print('-' * 200)
print("upper大写: s.str.upper() = \n", s.str.upper())
print('-' * 200)
print("len字符长度: s.str.len() = \n", s.str.len())
print('-' * 200)
print("判断起始是否为b: s.str.startswith('b') = \n", s.str.startswith('b'))
print('-' * 200)
print("判断结束是否为3: s.str.endswith('3') = \n", s.str.endswith('3'))

打印结果：

s = 
0          A
1          b
2    bbhello
3        123
4        NaN
dtype: object
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
lower小写: s.str.lower() = 
0          a
1          b
2    bbhello
3        123
4        NaN
dtype: object
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
upper大写: s.str.upper() = 0          A
1          B
2    BBHELLO
3        123
4        NaN
dtype: object
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
len字符长度: s.str.len() = 
0    1.0
1    1.0
2    7.0
3    3.0
4    NaN
dtype: float64
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
判断起始是否为b: s.str.startswith('b') = 
0    False
1     True
2     True
3    False
4      NaN
dtype: object
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
判断结束是否为3: s.str.endswith('3') = 
0    False
1    False
2    False
3     True
4      NaN
dtype: objectProcess finished with exit code 0

二、字符串常用方法：strip

import numpy as np
import pandas as pd# 字符串常用方法（2） - strips = pd.Series([' jack', 'jill ', ' je sse ', 'frank'])
df = pd.DataFrame(np.random.randn(3, 2),columns=[' Column A ', ' Column B '],index=range(3))
print("s = \n", s)
print('-' * 200)
print("df = \n", df)
print('-' * 200)# 去除字符串左右的空格
print("去除字符串左右的空格: s.str.strip() = \n", s.str.strip())
# 去除字符串中的左空格
print("去除字符串中的左空格: s.str.lstrip() = \n", s.str.lstrip())
# 去除字符串中的右空格
print("去除字符串中的右空格: s.str.rstrip() = \n", s.str.rstrip())# 这里去掉了columns的前后空格，但没有去掉中间空格
df.columns = df.columns.str.strip()
print("df = \n", df)
print('-' * 200)

打印结果：

s = 
0        jack
1       jill 
2     je sse 
3       frank
dtype: object
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
df = Column A    Column B 
0   -1.318646   -0.831649
1   -0.339870   -1.141231
2   -0.024364   -2.163961
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
去除字符串左右的空格: s.str.strip() = 
0      jack
1      jill
2    je sse
3     frank
dtype: object
去除字符串中的左空格: s.str.lstrip() = 
0       jack
1      jill 
2    je sse 
3      frank
dtype: object
去除字符串中的右空格: s.str.rstrip() = 0       jack
1       jill
2     je sse
3      frank
dtype: object
df = Column A  Column B
0 -1.318646 -0.831649
1 -0.339870 -1.141231
2 -0.024364 -2.163961
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------Process finished with exit code 0

三、字符串常用方法：replace

import numpy as np
import pandas as pd# 字符串常用方法（3） - replacedf = pd.DataFrame(np.random.randn(3, 2),columns=[' Column A ', ' Column B '],index=range(3))
# 替换
df.columns = df.columns.str.replace(' ', '-')
print("df = \n", df)
print('-' * 200)# n：替换个数
df.columns = df.columns.str.replace('-', '*', n=1)
print("df = \n", df)

打印结果：

df = -Column-A-  -Column-B-
0    0.704728   -0.835929
1    1.478930   -2.708538
2    0.585825   -1.395908
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
df = *Column-A-  *Column-B-
0    0.704728   -0.835929
1    1.478930   -2.708538
2    0.585825   -1.395908Process finished with exit code 0

四、字符串常用方法：split、rsplit

import numpy as np
import pandas as pd# 字符串常用方法（4） - split、rsplits = pd.Series(['a,b,c', '1,2,3', ['a,,,c'], np.nan])
print("s = \n", s)
print('-' * 200)# 类似字符串的split
data1 = s.str.split(',')
print("data1 = s.str.split(',') = \n{0} \ntype(data1) = {1}".format(data1, type(data1)))
print('-' * 100)# 直接索引得到一个list
data2 = data1[0]
print("data2 = data1[0] = s.str.split(',')[0] = \n{0} \ntype(data2) = {1}".format(data2, type(data2)))
print('-' * 100)# 可以使用get或[]符号访问拆分列表中的元素
data3 = s.str.split(',').str.get(1)
print("data3 = s.str.split(',').str.get(1) = \n{0} \ntype(data3) = {1}".format(data3, type(data3)))
print('-' * 200)# 可以使用expand可以轻松扩展此操作以返回DataFrame
# n参数限制分割数
# rsplit类似于split，反向工作，即从字符串的末尾到字符串的开头
data4 = s.str.split(',', expand=True)
print("data4 = s.str.split(',', expand=True) = \n{0} \ntype(data4) = {1}".format(data4, type(data4)))
print('-' * 100)
data5 = s.str.split(',', expand=True, n=1)
print("data5 = s.str.split(',', expand=True, n=1) = \n{0} \ntype(data5) = {1}".format(data5, type(data5)))
print('-' * 100)
data6 = s.str.rsplit(',', expand=True, n=1)
print("data6 = s.str.rsplit(',', expand=True, n=1) = \n{0} \ntype(data6) = {1}".format(data6, type(data6)))
print('-' * 200)# Dataframe使用split
df = pd.DataFrame({'key1': ['a,b,c', '1,2,3', [':,., ']],'key2': ['a-b-c', '1-2-3', [':-.- ']]})
print("df = \n", df)
print('-' * 100)
data7 = df['key2'].str.split('-')
print("data7 = df['key2'].str.split('-') = \n{0} \ntype(data7) = {1}".format(data7, type(data7)))
print('-' * 200)

打印结果：

s = 
0      a,b,c
1      1,2,3
2    [a,,,c]
3        NaN
dtype: object
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
data1 = s.str.split(',') = 
0    [a, b, c]
1    [1, 2, 3]
2          NaN
3          NaN
dtype: object 
type(data1) = <class 'pandas.core.series.Series'>
----------------------------------------------------------------------------------------------------
data2 = data1[0] = s.str.split(',')[0] = 
['a', 'b', 'c'] 
type(data2) = <class 'list'>
----------------------------------------------------------------------------------------------------
data3 = s.str.split(',').str.get(1) = 
0      b
1      2
2    NaN
3    NaN
dtype: object 
type(data3) = <class 'pandas.core.series.Series'>
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
data4 = s.str.split(',', expand=True) = 0    1    2
0    a    b    c
1    1    2    3
2  NaN  NaN  NaN
3  NaN  NaN  NaN 
type(data4) = <class 'pandas.core.frame.DataFrame'>
----------------------------------------------------------------------------------------------------
data5 = s.str.split(',', expand=True, n=1) = 0    1
0    a  b,c
1    1  2,3
2  NaN  NaN
3  NaN  NaN 
type(data5) = <class 'pandas.core.frame.DataFrame'>
----------------------------------------------------------------------------------------------------
data6 = s.str.rsplit(',', expand=True, n=1) = 0    1
0  a,b    c
1  1,2    3
2  NaN  NaN
3  NaN  NaN 
type(data6) = <class 'pandas.core.frame.DataFrame'>
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------
df = key1     key2
0    a,b,c    a-b-c
1    1,2,3    1-2-3
2  [:,., ]  [:-.- ]
----------------------------------------------------------------------------------------------------
data7 = df['key2'].str.split('-') = 
0    [a, b, c]
1    [1, 2, 3]
2          NaN
Name: key2, dtype: object 
type(data7) = <class 'pandas.core.series.Series'>
--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------Process finished with exit code 0

这篇关于Pandas-数据操作-字符串型（二）：常用方法【lower、upper、len、startswith、endswith、strip、lstrip、replace、split、rsplit】的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1128681。

相关文章

Java中流式并行操作parallelStream的原理和使用方法

Java中流式并行操作parallelStream的原理和使用方法

《Java中流式并行操作parallelStream的原理和使用方法》本文详细介绍了Java中的并行流（parallelStream）的原理、正确使用方法以及在实际业务中的应用案例,并指出在使用并行流... 目录Java中流式并行操作parallelStream0. 问题的产生1. 什么是parallelS
阅读更多...
MySQL数据库双机热备的配置方法详解

MySQL数据库双机热备的配置方法详解

《MySQL数据库双机热备的配置方法详解》在企业级应用中,数据库的高可用性和数据的安全性是至关重要的,MySQL作为最流行的开源关系型数据库管理系统之一,提供了多种方式来实现高可用性,其中双机热备（M... 目录1. 环境准备1.1 安装mysql1.2 配置MySQL1.2.1 主服务器配置1.2.2 从
阅读更多...
MyBatis常用XML语法详解

MyBatis常用XML语法详解

《MyBatis常用XML语法详解》文章介绍了MyBatis常用XML语法,包括结果映射、查询语句、插入语句、更新语句、删除语句、动态SQL标签以及ehcache.xml文件的使用,感兴趣的朋友跟随小... 目录1、定义结果映射2、查询语句3、插入语句4、更新语句5、删除语句6、动态 SQL 标签7、ehc
阅读更多...
Python版本信息获取方法详解与实战

Python版本信息获取方法详解与实战

《Python版本信息获取方法详解与实战》在Python开发中,获取Python版本号是调试、兼容性检查和版本控制的重要基础操作,本文详细介绍了如何使用sys和platform模块获取Python的主... 目录1. python版本号获取基础2. 使用sys模块获取版本信息2.1 sys模块概述2.1.1
阅读更多...
Python实现字典转字符串的五种方法

Python实现字典转字符串的五种方法

《Python实现字典转字符串的五种方法》本文介绍了在Python中如何将字典数据结构转换为字符串格式的多种方法,首先可以通过内置的str()函数进行简单转换;其次利用ison.dumps()函数能够... 目录1、使用json模块的dumps方法：2、使用str方法：3、使用循环和字符串拼接：4、使用字符
阅读更多...
Python版本与package版本兼容性检查方法总结

Python版本与package版本兼容性检查方法总结

《Python版本与package版本兼容性检查方法总结》：本文主要介绍Python版本与package版本兼容性检查方法的相关资料,文中提供四种检查方法,分别是pip查询、conda管理、PyP... 目录引言为什么会出现兼容性问题方法一：用 pip 官方命令查询可用版本方法二：conda 管理包环境方法
阅读更多...
Linux云服务器手动配置DNS的方法步骤

Linux云服务器手动配置DNS的方法步骤

《Linux云服务器手动配置DNS的方法步骤》在Linux云服务器上手动配置DNS（域名系统）是确保服务器能够正常解析域名的重要步骤,以下是详细的配置方法,包括系统文件的修改和常见问题的解决方案,需要... 目录1. 为什么需要手动配置 DNS？2. 手动配置 DNS 的方法方法 1：修改 /etc/res
阅读更多...
Linux下利用select实现串口数据读取过程

Linux下利用select实现串口数据读取过程

《Linux下利用select实现串口数据读取过程》文章介绍Linux中使用select、poll或epoll实现串口数据读取,通过I/O多路复用机制在数据到达时触发读取,避免持续轮询,示例代码展示设... 目录示例代码（使用select实现）代码解释总结在 linux 系统里，我们可以借助 select、
阅读更多...
JavaScript对象转数组的三种方法实现

JavaScript对象转数组的三种方法实现

《JavaScript对象转数组的三种方法实现》本文介绍了在JavaScript中将对象转换为数组的三种实用方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友... 目录方法1：使用Object.keys()和Array.map()方法2：使用Object.entr
阅读更多...
SpringBoot中ResponseEntity的使用方法举例详解

SpringBoot中ResponseEntity的使用方法举例详解

《SpringBoot中ResponseEntity的使用方法举例详解》ResponseEntity是Spring的一个用于表示HTTP响应的全功能对象,它可以包含响应的状态码、头信息及响应体内容,下... 目录一、ResponseEntity概述基本特点：二、ResponseEntity的基本用法1. 创
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2