毋庸置疑，Pandas是使用最廣泛的 Python 庫(kù)之一，它提供了許多功能和方法來執(zhí)行有效的數(shù)據(jù)處理和數(shù)據(jù)分析。

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":?["tom02@163.com",?"smitt@163.com",?"adams@163.com",?"tull03@163.com",?"five@163.com"] }) 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(shí)：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(duì)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(chǎng)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(duì)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(cè)多個(gè)字符，又能設(shè)置字符串檢測(cè)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:]

本文已經(jīng)羅列了在Pandas中比較常用文本數(shù)據(jù)處理操作，歡迎大家在評(píng)論區(qū)補(bǔ)充！

各位伙伴們好，詹帥本帥搭建了一個(gè)個(gè)人博客和小程序，匯集各種干貨和資源，也方便大家閱讀，感興趣的小伙伴請(qǐng)移步小程序體驗(yàn)一下哦！（歡迎提建議）推薦閱讀牛逼！Python常用數(shù)據(jù)類型的基本操作（長(zhǎng)文系列第①篇） 牛逼！Python的判斷、循環(huán)和各種表達(dá)式（長(zhǎng)文系列第②篇）牛逼！Python函數(shù)和文件操作（長(zhǎng)文系列第③篇）牛逼！Python錯(cuò)誤、異常和模塊（長(zhǎng)文系列第④篇）

總結(jié)

以上是生活随笔為你收集整理的经常被人忽视的：Pandas 文本数据处理！的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。