pandas字符串处理

痛定思痛。 2023-02-25 08:48 6阅读 0赞

### Pandas字符串处理 ###

前面我们已经使用了字符串的处理函数：  
df\[“bWendu”\].str.replace(“℃”, “”).astype(‘int32’)

**Pandas的字符串处理：**

使用方法：先获取Series的str属性，然后在属性上调用函数；  
只能在字符串列上使用，不能数字列上使用；  
Dataframe上没有str属性和处理方法  
Series.str并不是Python原生字符串，而是自己的一套方法，不过大部分和原生str很相似；  
Series.str字符串方法列表参考文档:  
https://pandas.pydata.org/pandas-docs/stable/reference/series.html\#string-handling

import pandas as pd
    
    df = pd.read_csv("./pandas/ant-learn-pandas/datas/beijing_tianqi/beijing_tianqi_2018.csv", encoding="utf8",
                     engine="python")
    
    print(df.head(5))
    
    # 字符串替换函数
    res = df["bWendu"].str.replace("℃", "")
    print(res)
    
    # 判断是不是数字
    df["bWendu"].str.isnumeric()
    
    # 使用str的startswith、contains等得到bool的Series可以做条件查询
    condition = df["ymd"].str.startswith("2018-03")
    print(condition)
    
    print(df[condition].head())
    
    '''需要多次str处理的链式操作 怎样提取201803这样的数字月份？ 1、先将日期2018-03-31替换成20180331的形式 2、提取月份字符串201803'''
    
    # 直接将"-"替换成""
    res3 = df["ymd"].str.replace("-", "")
    print(res3)
    
    # 每次调用函数，都返回一个新Series，所以必须再.str
    res4 = df["ymd"].str.replace("-", "").str.slice(0, 6)
    print(res4)
    
    # slice就是切片语法，可以直接用
    res5 = df["ymd"].str.replace("-", "").str[0:6]
    
    
    # 使用正则表达式的处理
    def get_nianyueri(x):
        year, month, day = x["ymd"].split("-")
        return f"{year}年{month}月{day}日"
    
    
    res6 = df["中文日期"] = df.apply(get_nianyueri, axis=1)
    print(res6)
    
    # 将日月年去除
    # 方法一
    res7 = df["中文日期"].str.replace("年", "").str.replace("月", "").str.replace("日", "")
    print(res7)
    
    # Series.str默认就开启了正则表达式模式
    # 方法2：正则表达式替换
    res8 = df["中文日期"].str.replace("[年月日]", "")
    print(res8)