2018.03.26 Python-Pandas 字串常用方法，

2018.03.26 Python-Pandas 字串常用方法，

　　import numpy as np
　　import pandas as pd
 1 #字串常用方法 - strip 2 s = pd.Series(['  jack ','jill',' jease ','feank']) 3 df = pd.DataFrame(np.random.randn(3,2),columns=[' Column A',' Column B'],index=range(3)) 4 print(s) 5 print(df.columns) 6  7 print('----') 8 print(s.str.lstrip().values)#去掉左邊的空格 9 print(s.str.rstrip().values)#去掉右邊的空格10 df.columns = df.columns.str.strip()11 print(df.columns)

結果：

0      jack 1       jill2     jease 3      feankdtype: objectIndex([' Column A', ' Column B'], dtype='object')----['jack ' 'jill' 'jease ' 'feank']['  jack' 'jill' ' jease' 'feank']Index(['Column A', 'Column B'], dtype='object')

#字串常用方法 - replace  替換字串df = pd.DataFrame(np.random.randn(3,2),columns=[' Columns A','  Columns B'],index = range(3))print(df.columns)df.columns = df.columns.str.replace(' ','-')print(df.columns)df.columns = df.columns.str.replace('-','hehe',n=1)#表示用hehe去替換第一個' 'print(df.columns)

結果：

Index([' Columns A', '  Columns B'], dtype='object')Index(['-Columns-A', '--Columns-B'], dtype='object')Index(['heheColumns-A', 'hehe-Columns-B'], dtype='object')

#字串常用方法 - split、rsplit  分成列表list的形式s = pd.Series(['a,b,c','1,2,3',['a,,,c'],np.nan])print(s)print('----')print(s.str.split(','))print('----')#類似於字串的splitprint(s.str.split(',')[0])#索引第一行print(s.str.split(',').str[0])#第一列print(s.str.split(',').str.get(1))#第二列#可以使用get或者[]符號訪問拆分列表的元素print(s.str.split(',',expand=True,n=1))#n為拓展數量print(s.str.rsplit(',',expand=True,n=1))#rsplit 從右至左分#expand可以擴充此操作來返回DataFrame#n參數限制分數#rsplit類似於split，反向工作，即從字串的末尾到字串開頭print('dataframe:')df = pd.DataFrame({'key1':['a,b,c','1,2,3',[',,,']],                   'key2':['a-b-c','1-2-c',[',-,-,']]})print(df['key2'])print(df['key2'].str.split('-'))

結果：
0      a,b,c
1      1,2,3
2    [a,,,c]
3        NaN
dtype: object
----
0    [a, b, c]
1    [1, 2, 3]
2          NaN
3          NaN
dtype: object
----
['a', 'b', 'c']
0      a
1      1
2    NaN
3    NaN
dtype: object
0      b
1      2
2    NaN
3    NaN
dtype: object
     0    1
0    a  b,c
1    1  2,3
2  NaN  NaN
3  NaN  NaN
     0    1
0  a,b    c
1  1,2    3
2  NaN  NaN
3  NaN  NaN
dataframe:
0      a-b-c
1      1-2-c
2    [,-,-,]
Name: key2, dtype: object
0    [a, b, c]
1    [1, 2, c]
2          NaN
Name: key2, dtype: object

#字串索引s = pd.Series(['A','b','C','bbhello','123',np.nan,'hj'])df = pd.DataFrame({'key1':list('abcdef'),                   'key2':['hee','fv','w','hjja','123',np.nan]})print(s,'\n-----')print(s.str[0])#取第一個字串print(s.str[:2])#取前2個字元print('-----')print(df['key2'].str[0])#str之後和字串本身索引方式相同

結果：

0          A1          b2          C3    bbhello4        1235        NaN6         hjdtype: object -----0      A1      b2      C3      b4      15    NaN6      hdtype: object0      A1      b2      C3     bb4     125    NaN6     hjdtype: object-----0      h1      f2      w3      h4      15    NaNName: key2, dtype: object