對比python字符串函數，學習pandas的str矢量化字符串函數

1.概述

python字符串應該是python裡面最重要的數據類型了，因此學會怎麼處理各種各樣的字符串，顯得尤為重要。

我們不僅要學會怎麼處理單個字符串，這個就需要學習“python字符串函數”，我們還要學會怎麼處理二維表格中每一列每一格的字符串，這個就需要學習“pandas的str矢量化字符串函數”。

今天我們采用對比的方式，帶大家總結常用的字符串函數，希望這篇文章能夠對大家起到很好的作用。

在開始享用這篇文章之前，請培養好自己的​​耐心​​​，本文確實干貨滿滿，一定要​​看到最後​​​你才知道收獲有多大，尤其是後面的str屬性，​​超有用​​。

2.常用的python字符串函數

字符串中，​​空白符​​也算是真實存在的一個字符。

1）python字符串函數大全

2）函數講解

① find()函數

​​功能 ：​​檢測字符串是否包含指定字符。如果包含指定字符，則返回開始的索引；否則，返回-1。

② index()函數

​​功能 ：​​檢測字符串是否包含指定字符。如果包含指定字符，則返回開始的索引；否則，提示ValueError錯誤。

③ count()函數

​​功能 ：​​ 統計字符串中，某指定字符在指定索引范圍內，出現的次數。

​​索引范圍 ：​​左閉右開區間。

​​注意 ：​​如果不指定索引范圍，表示在整個字符串中，搜索指定字符出現的次數。

④ replace()函數

​​語法 ：​​st.replace(str1,str2,count)。

​​功能 ：​​將字符串st中的str1替換為str2。

​​注意 ：​​ 如果不指定count，則表示整個替換；如果指定count=1，則表示只替換一次，count=2，則表示只替換兩次。

⑤ split()

​​語法 ：​​st.split(‘分隔符’, maxSplit)

​​功能 ：​​將字符串按照指定分隔符，進行分割。

​​注意 ：​​如果split中什麼都不寫，則默認按照空格進行分割；如果指定了分割符，則按照指定分隔符，進行分割。

​​maxSplit作用：​​不好敘述，自己看下面的例子就明白。

⑥ startwith()函數

​​語法 ：​​st.startwith(str1)

​​功能 ：​​檢查字符串st是否以字符串str1開頭，若是，則返回True；否則，返回False。

⑦ endwith()函數

​​語法 ：​​st.endwith(str1)

​​功能 ：​​檢查字符串st是否以字符串str1結尾，若是，則返回True；否則，返回False。

⑧ lower()

​​語法 ：​​st.lower()

​​功能 ：​​將字符串的所有字母轉換為小寫。

⑨ upper()

​​語法 ：​​st.upper()

​​功能 ：​​將字符串的所有字母轉換為大寫。

⑩ strip()

​​語法 ：​​st.strip()

​​功能 ：​​去掉字符串左右兩邊的空白字符。

注1：st.rstrip() : 去掉字符串右邊的空白字符。

注2：st.lstrip() : 去掉字符串左邊的空白字符。

⑪ join()函數

​​語法 ：​​st.join(str1)

​​功能 ：​​在指定字符串str1中，每相鄰元素中間插入st字符串，形成新的字符串。

​​注意 ：​​是在str1中間插入st，而不是在st中間插入str1。

⑫ isalpha()

​​語法 ：​​str.isalpha()

​​功能 ：​​如果字符串str中只包含字母，則返回True；否則，返回False。

​​注意 ：​​只有字符串中全部是字母，才會返回True，中間有空格都不行。

⑬ isdigit()

​​語法 ：​​str.isdigit()

​​功能 ：​​如果字符串str中只包含數字，則返回True；否則，返回False。

3.常用的str矢量化字符串函數

​​str矢量化操作：​​指的是循環迭代數組裡面的某個元素，來完成某個操作。

1）str矢量化字符串函數大全

2）構造一個DataFrame，用於測試函數

import
pandas
as
pd


df
={
'姓名':[
' 黃同學',
'黃至尊',
'黃老邪 ',
'陳大美',
'孫尚香'],


'英文名':[
'Huang tong_xue',
'huang zhi_zun',
'Huang Lao_xie',
'Chen Da_mei',
'sun shang_xiang'],


'性別':[
'男',
'women',
'men',
'女',
'男'],


'身份證':[
'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':[
'湖北廣水',
'河南信陽',
'廣西桂林',
'湖北孝感',
'廣東廣州'],


'電話號碼':[
'13434813546',
'19748672895',
'16728613064',
'14561586431',
'19384683910'],


'收入':[
'1.1萬',
'8.5千',
'0.9萬',
'6.5千',
'2.0萬']}


df
=
pd.
DataFrame(
df)


1.
2.
3.
4.
5.
6.
7.
8.
9.
10.

結果如下：

3）函數講解

① cat函數：用於字符串的拼接

df[
"姓名"].
str.
cat(
df[
"家庭住址"],
sep
=
'-'
*
3)


1.

結果如下：

② contains：判斷某個字符串是否包含給定字符

df[
"家庭住址"].
str.
contains(
"廣")


1.

結果如下：

③ startswith/endswith：判斷某個字符串是否以…開頭/結尾

# 第一個行的“ 黃偉”是以空格開頭的


df[
"姓名"].
str.
startswith(
"黃")


df[
"英文名"].
str.
endswith(
"e")


1.
2.
3.

結果如下：

④ count：計算給定字符在字符串中出現的次數

df[
"電話號碼"].
str.
count(
"3")


1.

結果如下：

⑤ get：獲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)


1.
2.
3.

結果如下：

⑥ len：計算字符串長度

df[
"性別"].
str.
len()


1.

結果如下：

⑦ upper/lower：英文大小寫轉換

df[
"英文名"].
str.
upper()


df[
"英文名"].
str.
lower()


1.
2.

結果如下：

⑧ pad+side參數/center：在字符串的左邊、右邊或左右兩邊添加給定字符

df[
"家庭住址"].
str.
pad(
10,
fillchar
=
"*")
# 相當於ljust()


df[
"家庭住址"].
str.
pad(
10,
side
=
"right",
fillchar
=
"*")
# 相當於rjust()


df[
"家庭住址"].
str.
center(
10,
fillchar
=
"*")


1.
2.
3.

結果如下：

⑨ repeat：重復字符串幾次

df[
"性別"].
str.
repeat(
3)


1.

結果如下：

⑩ slice_replace：使用給定的字符串，替換指定的位置的字符

df[
"電話號碼"].
str.
slice_replace(
4,
8,
"*"
*
4)


1.

結果如下：

⑪ replace：將指定位置的字符，替換為給定的字符串

df[
"身高"].
str.
replace(
":",
"-")


1.

結果如下：

⑫ replace：將指定位置的字符，替換為給定的字符串(接受正則表達式)

• replace中傳入正則表達式，才叫好用；
• 先不要管下面這個案例有沒有用，你只需要知道，使用正則做數據清洗多好用；

df[
"收入"].
str.
replace(
"\d+\.\d+",
"正則")


1.

結果如下：

⑬ split方法+expand參數：搭配join方法功能很強大

# 普通用法


df[
"身高"].
str.
split(
":")


# split方法，搭配expand參數


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)


1.
2.
3.
4.
5.
6.
7.

結果如下：

⑭ strip/rstrip/lstrip：去除空白符、換行符

df[
"姓名"].
str.
len()


df[
"姓名"]
=
df[
"姓名"].
str.
strip()


df[
"姓名"].
str.
len()


1.
2.
3.

結果如下：

⑮ findall：利用正則表達式，去字符串中匹配，返回查找結果的列表

• findall使用正則表達式，做數據清洗，真的很香！

df[
"身高"]


df[
"身高"].
str.
findall(
"[a-zA-Z]+")


1.
2.

結果如下：

⑯ extract/extractall：接受正則表達式，抽取匹配的字符串(一定要加上括號)

df[
"身高"].
str.
extract(
"([a-zA-Z]+)")


# extractall提取得到復合索引


df[
"身高"].
str.
extractall(
"([a-zA-Z]+)")


# extract搭配expand參數


df[
"身高"].
str.
extract(
"([a-zA-Z]+).*?([a-zA-Z]+)",
expand
=
True)


1.
2.
3.
4.
5.

結果如下：