python series转换为字符串_python库--pandas--Series.str--字符串处理
原数据
import pandas as pd
a = pd.Series(['aSd', 'asd', 'dfd fsAsf sfs'])
b = pd.Series([None, 'asd', 'fgh'])
index
a
b
0
aSd
None
1
asd
asd
2
dfd fsAsf sfs
fgh
字符大小写转换
a.str.lower()
a.str.upper()
a.str.title()
a.str.capitalize()
a.str.swapcase()
lower
upper
title
capitalize
swapcase
0
asd
ASD
Asd
Asd
AsD
1
asd
ASD
Asd
Asd
ASD
2
dfd fsasf sfs
DFD FSASF SFS
Dfd Fsasf Sfs
Dfd fsasf sfs
DFD FSaSF SFS
字符串拼接
自身拼接
a.str.cat(sep=',')
aSd,asd,dfd fsAsf sfs
与其它series拼接
a.str.cat(a)
a.str.cat(['aSd', 'asd', 'dfd fsAsf sfs'])
a + a
index
value
0
aSdaSd
1
asdasd
2
dfd fsAsf sfsdfd fsAsf sfs
a.str.cat(a, sep=',')
a.str.cat(['aSd', 'asd', 'dfd fsAsf sfs'], sep=',')
a + ',' + a
index
value
0
aSd,aSd
1
asd,asd
2
dfd fsAsf sfs,dfd fsAsf sfs
数据含有None/NaN的情况
b.str.cat(sep=',')
asd,fgh
# 将NaN替换为指定字符串进行操作
a.str.cat(sep=',', na_rep='???')
???,asd,fgh
剩下的情况除将NaN替换为指定字符之外跟上述示例一样, 这里不再进行演示
字符填充/插入/扩展
# 向两端填充指定字符到指定长度
a.str.center(width=10, fillchar='?')
a.str.pad(width=10, side='both', fillchar='?')
# 在右侧填充指定字符到指定长度
a.str.ljust(width=10, fillchar='?')
a.str.pad(width=10, side='right', fillchar='?')
# 在右侧填充指定字符到指定长度
a.str.rjust(width=10, fillchar='?')
a.str.pad(width=10, side='left', fillchar='?')
center
ljust
rjust
0
???aSd????
aSd???????
???????aSd
1
???asd????
asd???????
???????asd
2
dfd fsAsf sfs
dfd fsAsf sfs
dfd fsAsf sfs
# 每隔指定个字符插入一个换行符
a.str.wrap(width=2)
# 在字符串前面填充0到指定长度
a.str.zfill(width=10)
# 将字符串扩展n倍
a.str.repeat(repeats=2)
# 为每一个元素指定扩展倍数
a.str.repeat(repeats=[2, 2, 2])
wrap
zfill
repeat
0
aS\nd
0000000aSd
aSdaSd
1
as\nd
0000000asd
asdasd
2
df\nd \nfs\nAs\nf \nsf\ns
dfd fsAsf sfs
dfd fsAsf sfsdfd fsAsf sfs
join() 在字符间插入字符
a.str.join(sep='?')
# 等同于
a.map(lambda x: '?'.join(x))
因此也出现了一种特殊情况, 元素不是字符串但可以使用join方法
经过不完全证明, '?'.join() 中支持的参数作为Series的元素是都可使用此方法
pd.Series([['1', '2', '3']]).join('?')
字符串内容判断
以下方法返回由True和False组成的Series
contains(): 判断指定字符串或正则表达式是否在序列或索引中
参数
说明
pat
字符串或正则表达式
case=True
是否区分大小写
flags=0
可传入re.IGNORECASE之类的参数
na=nan
缺失值填充
regex=True
是否使用正则表达式匹配
endswith(): 判断是否以给定的字符串结尾
参数
说明
pat
字符串
na=nan
缺失值填充
match(): 判断是否以给定的字符串开头(支持正则)
参数
说明
pat
字符串或正则表达式
case=True
是否区分大小写
flags=0
可传入re.IGNORECASE之类的参数
na=nan
缺失值填充
as_indexer=None
弃用
方法
说明
.isalnum()
字符串至少包含一个字符且所有字符都是字母(汉字)或数字则返回True
.isalpha()
字符串至少包含一个字符且所有字符都是字母(汉字)则返回True
.isdigit()
只包含数字(可以是: Unicode, 全角字符, bytes(b'1'), 罗马数字)
.isspace()
只包含空白符
.islower()
至少包含一个小写字符, 且不包含大写字符
.isupper()
至少包含一个大写字符, 且不包含小写字符
.istitle()
所有单词大写开头其余小写(标题化)
.isnumeric()
只包含数字字符
.isdecimal()
只包含数字(Unicode字符, 全角字符)
查找
extract(): 使用正则表达式提取需要的内容(只返回第一次匹配到的内容)
extractall(): 使用正则表达式提取需要的内容(返回所有匹配到的内容
参数
说明
pat
正则表达式(必须含有捕获组, 超过一个必然返回DataFrame)
若捕获组设有name则将作为返回的列标签
flags=0
可传入re.IGNORECASE之类的参数
expand=None
True: 返回DataFrame(未来版本默认值)
False: 返回S/I/DataFrame(现在版本默认值)
extractall() 方法无此参数
a.str.extract('([A-Z]+)')
a.str.extract('([A-Z]+)(s*)')
([A-Z]+)
-
([A-Z]+)(s*)
0
S
-
S
1
NaN
-
NaN NaN
2
A
-
A s
a.str.extractall('(?P[sSdf]+)(?P[ds])')
field1
field2
说明
match
0
0
S
d
第1行第1个匹配结果
1
0
s
d
第2行第1个匹配结果
2
0
df
d
第3行第1个匹配结果
1
f
s
第3行第2个匹配结果
2
sf
s
第3行第3个匹配结果
检索sub在字符串中的位置, 可以指的那个开始检索和结束检索的位置
find(): 检索不到返回-1
rfind(): 从右往左检索, 检索不到返回-1
index(): 检索不到触发异常
rindex(): 从右往左检索, 检索不到返回-1
a.str.find(sub='s')
# 从第6个字符开始查找到第10个字符结束查找
a.str.find(sub='s', start=6, end=10)
(sub='s')
(sub='s', start=6, end=10)
0
-1
-1
1
1
-1
2
5
7
findall(): 以列表形式返回正则表达式所有匹配结果
a.str.findall(pat='[sSdf]+')
a.map(lambda x: re.findall('[sSdf]+', x))
结果
0
[Sd]
1
[sd]
2
[dfd, fs, sf, sfs]
get(): 获取指定位置的字符
a.str.get(i=1)
结果
0
S
1
s
2
f
统计
count() 统计指定字符串(支持正则)在序列字符串中出现的次数
len() 返回序列字符串的长度
a.str.count(pat='s', flags=0)
a.str.len()
count
len
0
0
3
1
1
3
2
4
13
转码
encode(): 编码str --> bytes
decode(): 解码bytes --> str
参数
说明
encoding
编码方式
error='static'
static: 编码/解码失败抛出异常
ignore: 编码/解码失败自动忽略非法字符
replace: 编码/解码失败则使用 ? 替代非法字符
xmlcharrefreplace: 则引用XML的字符.
c = pd.Series(['中文', '\ud83easd'])
c.str.encode('utf8', 'ignore')
c.str.encode('utf8', 'replace')
c.str.encode('utf8', 'xmlcharrefreplace')
ignore
replace
xmlcharrefreplace
backslashreplace
1
b'asd'
b'?asd'
b'asd'
b'\ud83easd'
# 中国: b'\xe4\xb8\xad\xe6\x96\x87'
d = pd.Series([b'\xe4\xb8\xad\xe6\x96'])
d.str.decode('utf8', 'ignore')
ignore
replace
xmlcharrefreplace
backslashreplace
1
中
中�
NaN
中\xe6\x96
normalize(): 返回字符串的Unicode标准格式
删减/截取
strip(to_strip=None): 删除两侧指定字符, 默认删除空白符
lstrip(to_strip=None): 删除左侧指定字符, 默认删除空白符
rstrip(to_strip=None): 删除右侧指定字符, 默认删除空白符
slice() 截取子字符串
参数
说明
start=None
开始位置
stop=None
结束位置
step=None
步长
分割/替换
split() 使用指定字符分割字符串, 支持正则
rsplit() 从右侧开始分割
参数
说明
pat=None
分隔符, 默认空白符
n=-1
分割次数, 默认全部
expand=False
True: 返回DataFrame/MultiINdex
False: 返回Series/Index
get_dummies(): 对字符串分割, 并返回每个分割结果出现的次数
>>> pd.Series(['a|b', 'a', 'a|c']).str.get_dummies()
a b c
0 1 1 0
1 1 0 0
2 1 0 1
>>> pd.Series(['a|b', np.nan, 'a|c']).str.get_dummies()
a b c
0 1 1 0
1 0 0 0
2 1 0 1
partition(pat='', expand=True): 第一次出现pat时将字符串分割为三个部分: pat前面的部分, pat本身, pat后面的部分
rpartition(): 从右往左检测pat字符串
更新字符串
replace(): 更新字符串
参数
说明
pat
字符串或编译的正则表达式
repl
str: 将匹配到的字符串替换为此字符串
fun: 传给fun的是对象相当于re.search(pat, string)的返回值
n=-1
替换的次数, 默认全部
case=None
是否区分大小写, 如果pat为字符串则默认为True, 若为编译的正则表达式则不能设置
flags=0
可传入re.IGNORECASE之类的参数, 但若pat为编译的正则表达式则不能设置
slice_replace(): 将选中的部分替换为指定字符串
参数
说明
start=None
开始位置
stop=None
结束位置
repl=None
要替换为的字符串
translate(): 字符替换
dict: {ord('a'): 'x'} 或 {ord('a'): ord('x')} key必须是ascii码, value可以是字符串或ASCII码
str.maketrans('a','x') 等同于 {97: 120}