网站右键禁止,上海小微企业名录查询,网站框架有哪些,外贸网站建设 全球搜一、string类型的性质
1.string和object的区别
string类型和object不同之处有三#xff1a;
字符存取方法#xff08;string accessor methods#xff0c;如str.count#xff09;会返回相应数据的Nullable类型#xff0c;而object会随缺失值的存在而改变返回类型某些Se…
一、string类型的性质
1.string和object的区别
string类型和object不同之处有三
字符存取方法string accessor methods如str.count会返回相应数据的Nullable类型而object会随缺失值的存在而改变返回类型某些Series方法不能在string上使用例如Series.str.decode(),因为存储的字符串而不是字节string类型在缺失值存储或运算时类型会广播为pd.NA,而不是浮点型np.nan
2.string类型的转换
如果将一个其他类型的容器直接转换string类型可能会出错需要分成两个转换先转成str型的object然后再转成string类型
#pd.Series([1,1.]).astype(string) #报错
#pd.Series([1,2]).astype(string) #报错
#pd.Series([True,False]).astype(string) #报错#正确的
pd.Series([1,1.]).astype(str).astype(string)
pd.Series([1,2]).astype(str).astype(string)
pd.Series([True,False]).astype(str).astype(string)
3. str和string的区别
astr字符串有三种写法
单引号Single quotes、双引号Double quotes、三引号Triple quoted。
单双引号可以互相嵌套三引号可以嵌套单双引号使得字符串扩展为多行。若要嵌套自身需要用反斜杠转移。
注两个字符串字面量之间只有空格时它们会被自动转换为一个字符串 二、拆分与拼接
1.str.split方法
a分割符与str的位置元素选取
s pd.Series([a_b_c, c_d_e, np.nan, f_g_h], dtypestring)
s.str.split(_) 注意split后的类型是object因为现在Series中的元素已经不是string而包含了list且string类型只能含有字符串
对于str方法可以进行元素的选择如果该单元格元素是列表那么str[i]表示取出第i个元素如果是单个元素则先把元素转为列表在取出
s.str.split(_).str[1] b其他参数
expand参数控制了是否将列拆开n参数代表最多分割多少次 2.str.cat方法
a不同对象的拼接模式
对于单个Series而言指将所有的元素进行字符合并为字符串其中可选sep分割符参数和缺失值替代字符na_rep参数
s pd.Series([ab,None,d],dtypestring)
print(s)
s.str.cat(sep,,na_rep*)对于两个Series合并而言是对应索引的元素进行合并同样也有相应参数但是注意是两个缺失值被同时替换
s pd.Series([ab,None,d],dtypestring)
print(s)
s2 pd.Series([24,None,None],dtypestring)
print(s2)#使用分割符
s.str.cat(s2,sep,,na_rep*)多列拼接可以分为表的拼接和多Series拼接
#表的拼接
s.str.cat(pd.DataFrame({0:[1,3,5],1:[5,b,None]},dtypestring),na_rep*)#多个Series拼接
s.str.cat([s0,s*2])bcat中的索引对齐
当前版本中如果两边合并的索引不相同且未指定join参数默认为左连接设置joinleft
s2 pd.Series(list(abc),index[1,2,3],dtypestring)
print(s2)
s.str.cat(s2,na_rep*) 三、替换
1.str.replace的常见用法¶
第一个值写r开头的正则表达式后一个写替换的字符串
s pd.Series([A, B, C, Aaba, Baca,, np.nan, CABA, dog, cat],dtypestring)
print(s)
s.str.replace(r^[AB],***)2.子组与函数替换
通过正整数调用子组0返回字符本身从1开始才是子组
s.str.replace(r([ABC])(\w),lambda x:x.group(2)[1:]*) 利用?...表达书可以对子组命名调用
s.str.replace(r(?Pone[ABC])(?Ptwo\w),lambda x:x.group(two)[1:]*) 3.str.replace注意事项
str.replace针对的是object类型或string类型默认是以正则表达式为操作目前暂时不支持DataFrame上使用replace针对的是任意类型的序列或数据框如果要以正则表达式替换需要设置regexTrue该方法通过字典可支持多列替换但现在由于string类型的初步引入用法上出现了一些问题这些issue有望在以后的版本中修复
astr.replace赋值参数不得为pd.NA
#pd.Series([A,B],dtypestring).str.replace(r[A],pd.NA) #报错
#pd.Series([A,B],dtypeO).str.replace(r[A],pd.NA) #报错pd.Series([A,B],dtypestring).astype(O).replace(r[A],pd.NA,regexTrue).astype(string)b对于string类型Series在使用replace函数时不能使用正则表达式替换
pd.Series([A,B],dtypestring).replace(r[A],C,regexTrue) pd.Series([A,B],dtypeO).replace(r[A],C,regexTrue) cstring类型序列如果存在缺失值不能使用replace替换
pd.Series([A,np.nan],dtypestring).str.replace(A,B) 四、子串匹配与提取
1.str.extract方法
a常用方法
pd.Series([10-87, 10-88, 10-89],dtypestring).str.extract(r([\d]{2})-([\d]{2}))
使用子组名作为列名
pd.Series([10-87, 10-88, -89],dtypestring).str.extract(r(?Pname_1[\d]{2})-(?Pname_2[\d]{2}))
利用正则表计选择部分提取
pd.Series([10-87, 10-88, -89],dtypestring).str.extract(r(?Pname_1[\d]{2})?-(?Pname_2[\d]{2}))
bexpand参数默认为True
对于一个子组的Series如果expand设置为False则返回Series若大于一个子组则expand参数无效全部返回DataFrame
对于一个子组的Index如果expand设置为False则返回提取后的Index若大于一个子组且expand为False报错
s pd.Series([a1, b2, c3], [A11, B22, C33], dtypestring)
s.index s.str.extract(r([\w])) s.str.extract(r([\w]),expandFalse) s.index.str.extract(r([\w])) s.index.str.extract(r([\w]),expandFalse) s.index.str.extract(r([\w])([\d])) 2.str.extractall方法
与extract只匹配第一个符合条件的表达式不同extractall会找出所有符合条件的字符串并建立多级索引即使只找到一个¶
s pd.Series([a1a2, b1, c1], index[A, B, C],dtypestring)
two_groups (?Pletter[a-z])(?Pdigit[0-9])
s.str.extract(two_groups, expandTrue)s.str.extractall(two_groups)s[A]a1
s.str.extractall(two_groups)s pd.Series([a1a2, b1b2, c1c2], index[A, B, C],dtypestring)
s.str.extractall(two_groups).xs(1,levelmatch) 3.str.contains 和str.match
str.contains是检测是否包含某种正则模式可选参数为na
#查看是否包含字母和数字
pd.Series([1, None, 3a, 3b, 03c], dtypestring).str.contains(r[0-9][a-z])
#查看是否包含a
pd.Series([1, None, 3a, 3b, 03c], dtypestring).str.contains(a, naFalse)
str.match与str.contrains的区别在于match依赖于python的re.match检测内容是否从头开始包含该正则模式
pd.Series([1, None, 3a_, 3b, 03c], dtypestring).str.match(r[0-9][a-z],naFalse)
pd.Series([1, None, _3a, 3b, 03c], dtypestring).str.match(r[0-9][a-z],naFalse)
五、常用字符串方法
1.过滤型方法
astr.strip 常同于过滤空格
pd.Series(list(abc),index[ space1 ,space2 , space3],dtypestring).index.str.strip() bstr.lower字母小写和str.upper(字母大写)
pd.Series(A,dtypestring).str.lower()
pd.Series(a,dtypestring).str.upper()
cstr.swapcase和str.capitalize交换字母大小写和大写首字母
pd.Series(abCD,dtypestring).str.swapcase()#大写变小写小写变大写
pd.Series(abCD,dtypestring).str.capitalize()#将字符串的第一个字母变成大写,其他字母变小写
2.isnumeric方法
检查每一位是否都是数字请问如何判断是否是数值
pd.Series([1.2,1,-0.3,a,np.nan],dtypestring).str.isnumeric()
练习
题二
求col2的均值要考虑怎么将字符串类型的负数转换为我们理解的负数这里用split按照-分割可将字符串分成两部分整数则直接转换负数则可以乘以-1进行转换在转换过程遇到了0-9‘/7等不符合常规字符可先将转换前提是数量不多的情况下。代码如下
df.loc[[309,396,485],col2] [0,9,7]
collist []
for i in range (df[col2].shape[0]):strlist df[col2][i].split(-)if len(strlist)2 and strlist[0] :col int(strlist[1])*(-1)else:col int(strlist[0])collist.append(col)
df[new_col2] collist
df[new_col2].mean()
官方答案正常思路是可以用正则表达式筛选出非常规字符然后进行转换正则表达式不太会还在学习中
df[col2][~(df[col2].str.replace(r-?\d,True)True)] #这三行有问题
df.loc[[309,396,485],col2] [0,9,7]
df[col2].astype(int).mean()
