今天准备介绍一篇超级肝货!
Pandas 是币安官网登录基于NumPy 的一种工具,该工具是为解决数据分析任务而创建的。它提供了币链屋大量能使我们快速便捷地处理数据的函数和方法。
本文介绍的这20个【被分成了币安官网入口15组】函数,绝对是数据处理杀手,用了你会爱不释手。
构造数据集
这里为大家先构造一个数据集,用于为大家演示这20个函数。
importpandasaspddf={'姓名':['黄同学','黄至尊','黄老邪','陈大美','孙尚香'],'英文名':['Huangtong_xue','huangzhi_zun','HuangLao_xie','ChenDa_mei','sunshang_xiang'],'性别':['男','women','men','Ů','男'],'身份证':['463895200003128433','429475199912122345','420934199110102311','431085200005230122','420953199509082345'],'身高':['mid:175_good','low:165_bad','low:159_bad','high:180_verygood','low:172_bad'],'家庭住址':['湖北广水','河南信阳','广西桂林','湖北孝感','广东广州'],'电话号码':['13434813546','19748672895','16728613064','14561586431','19384683910'],'收入':['1.1万','8.5ǧ','0.9万','6.5ǧ','2.0万']}df=pd.DataFrame(df)df
效果图:
1. cat函数
这个函数主要用于字符串的拼接;
df["姓名"].str.cat(df["家庭住址"],sep='-'*3)
效果图:
2. contains函数
这个函数主要用于判断某个字符串是否包含给定字符;
df["家庭住址"].str.contains("广")
效果图:
3. startswith、endswith函数
这个函数主要用于判断某个字符串是否以...开头/结尾;
#第一个行的 黄伟 是以空格开头的df["姓名"].str.startswith("黄")df["英文名"].str.endswith("e")
效果图:
4. count函数
这个函数主要用于计算给定字符在字符串中出现的次数;
df["电话号码"].str.count("3")
效果图:
5. get函数
这个函数主要用于获取指定位置的字符串;
df["姓名"].str.get(-1)df["身高"].str.split(":")df["身高"].str.split(":").str.get(0)
效果图:
6. len函数
这个函数主要用于计算字符串长度;
df["性别"].str.len()
效果图:
7. upper、lower函数
这个函数主要用于英文大小写转换;
df["英文名"].str.upper()df["英文名"].str.lower()
效果图:
8. pad+side参数/center函数
这个函数主要用于在字符串的左边、右边或左右两边添加给定字符;
df["家庭住址"].str.pad(10,fillchar="*")#相当于ljust()df["家庭住址"].str.pad(10,side="right",fillchar="*")#相当于rjust()df["家庭住址"].str.center(10,fillchar="*")
效果图:
9. repeat函数
这个函数主要用于重复字符串几次;
df["性别"].str.repeat(3)
效果图:
10. slice_replace函数
这个函数主要用于使用给定的字符串,替换指定的位置的字符;
df["电话号码"].str.slice_replace(4,8,"*"*4)
效果图:
11. replace函数
这个函数主要用于将指定位置的字符,替换为给定的字符串;
df["身高"].str.replace(":","-")
效果图:
这个函数还接受正则表达式,将指定位置的字符,替换为给定的字符串。
df["收入"].str.replace("d+.d+","正则")
效果图:
12. split方法+expand参数
这个函数主要用于将一列扩展为好几列;
#普通用法df["身高"].str.split(":")#split方法,搭配expand参数df[["身高描述","final身高"]]=df["身高"].str.split(":",expand=True)df#split方法搭配join方法df["身高"].str.split(":").str.join("?"*5)
效果图:
13. strip、rstrip、lstrip函数
这个函数主要用于去除空白符、换行符;
df["姓名"].str.len()df["姓名"]=df["姓名"].str.strip()df["姓名"].str.len()
效果图:
14. findall函数
这个函数主要用于利用正则表达式,去字符串中匹配,返回查找结果的列表;
df["身高"]df["身高"].str.findall("[a-zA-Z]+")
效果图:
15. extract、extractall函数
这个函数主要用于接受正则表达式,抽取匹配的字符串(一定要加上括号);
df["身高"].str.extract("([a-zA-Z]+)")#extractall提取得到复合索引df["身高"].str.extractall("([a-zA-Z]+)")#extract搭配expand参数df["身高"].str.extract("([a-zA-Z]+).*?([a-zA-Z]+)",expand=True)
效果图:
版权声明:项目均采集于互联网, 空投币 无法审核全面,且希望大家能赚钱,请谨慎切勿上当受骗!
温馨提示:★★★天上真会掉馅饼!天道酬勤,都是机会!不错过每个空投糖果!真假难以辨认,尽量0撸!