Pandas 文本數(shù)據(jù)處理！
我們平時(shí)的操作，大多圍繞著數(shù)字的處理，這是因?yàn)榇蠹伊?xí)慣將表格數(shù)據(jù)與數(shù)字聯(lián)系起來。然而我們無論是使用Excel還是Pandas，其實(shí)都離不開文本類型的數(shù)據(jù)。
今天，我們會(huì)通過一個(gè)例子，總結(jié)這些常用的Pandas處理文本數(shù)據(jù)的操作。
首先，先創(chuàng)建一個(gè)帶有模擬數(shù)據(jù)的DataFrame。
import?pandas?as?pd
df?=?pd.DataFrame({
???"姓":?["王","仲","寶",?"王",?"朱"],
???"名":?["玉環(huán)","覓晴","清俊",?"鴻博",?"小五"],
???"戶籍地址":?["黑龍江省·哈爾濱市",?"黑龍江省·哈爾濱市",?"黑龍江省·佳木斯市",?"廣西·柳州市",?"湖北省·武漢市"],
???"微信":?["Tomout",?"Sm857",?"Adamshffhhjfj",?"Tull88",?"ZPW505"],
???"郵箱":?["[email protected]",?"[email protected]",?"[email protected]",?"[email protected]",?"[email protected]"]
})
df
一共五列文本數(shù)據(jù)：姓、名、戶籍地址、微信id、郵箱地址。
講個(gè)冷知識：微信id是不區(qū)分大小寫的。
如果將微信id這列的文本數(shù)據(jù)，全部轉(zhuǎn)換為小寫，在Pandas中可以這樣操作。
df["微信"]?=?df["微信"].str.lower()
df
我們可以通過組合姓氏和名字，來創(chuàng)建姓名這列。
df["姓名"]?=?df["姓"]?+?df["名"]
df
但是在默認(rèn)情況下，新列會(huì)被添加在末尾。
想要更多的自定義選擇，可以參考下面的代碼。既可以在特定位置插入創(chuàng)建新列，也可以使用 cat 方法組合字符串（此處還可設(shè)置分隔符sep，這里并未設(shè)置）。
df.insert(2,?
??????????"姓名",?
??????????df["姓"].str.cat(df["名"],?sep=""))
df
對字符串的一個(gè)常見操作是拆分，當(dāng)文本數(shù)據(jù)包含多條信息時(shí)，它就派上用場啦。
例如，戶籍地址這列包括省份和城市，我們可以通過拆分此列來提取城市的信息。
df["城市"]?=?df["戶籍地址"].str.split("·",?expand=True)[1]
df
對字符串的另一個(gè)常見操作是篩選過濾，那么在Pandas中如何操作呢？
如果想篩選“王”字開頭的姓名，既可以直接篩選 姓 這一列，也可以使用startswith()來過濾。
startswith() 和endswith() 這兩個(gè)函數(shù)，是分別基于字符串的第一個(gè)或最后一個(gè)字母進(jìn)行篩選。
df[df["姓名"].str.startswith("王")]
注意：
startswith()和endswith()這兩個(gè)函數(shù)，還可以通過設(shè)置參數(shù)，既能檢測多個(gè)字符，又能設(shè)置字符串檢測的起始和結(jié)束位置。
如果想直接篩選包含特定字符的字符串，可以使用contains()這個(gè)方法。
例如，篩選戶籍地址列中包含“黑龍江”這個(gè)字符的所有行。
df[df["戶籍地址"].str.contains("黑龍江")]
replace()方法可用于替換字符串中的字符序列，通過該方法可以修改Pandas中的文本數(shù)據(jù)。
df["戶籍地址"]?=?df["戶籍地址"].str.replace("廣西",?"廣西壯族自治區(qū)")
df
最后，我們還可以使用字符串的索引。
例如，我們可以用“str[:5]”表達(dá)式選擇前8個(gè)字符，用“str[-8:]”選擇后8個(gè)字符。
df["郵箱"].str[:5]
df["郵箱"].str[-8:]
