pandas
Manipulación de cuerdas

Expresiones regulares

# Extract strings with a specific regex
df= df['col_name'].str.extract[r'[Aa-Zz]']

# Replace strings within a regex
df['col_name'].str.replace('Replace this', 'With this')

Para obtener información sobre cómo hacer coincidir las cadenas con expresiones regulares , consulte Introducción a las expresiones regulares .

Rebanar cuerdas

Las cadenas en una serie pueden cortarse utilizando el método .str.slice() , o más convenientemente, utilizando corchetes ( .str[] ).

In [1]: ser = pd.Series(['Lorem ipsum', 'dolor sit amet', 'consectetur adipiscing elit'])
In [2]: ser
Out[2]: 
0                    Lorem ipsum
1                 dolor sit amet
2    consectetur adipiscing elit
dtype: object 

Consigue el primer carácter de cada cadena:

In [3]: ser.str[0]
Out[3]: 
0    L
1    d
2    c
dtype: object

Consigue los tres primeros caracteres de cada cadena:

In [4]: ser.str[:3]
Out[4]: 
0    Lor
1    dol
2    con
dtype: object

Consigue el último carácter de cada cadena:

In [5]: ser.str[-1]
Out[5]:
0    m
1    t
2    t
dtype: object

Consigue los últimos tres caracteres de cada cadena:

In [6]: ser.str[-3:]
Out[6]: 
0    sum
1    met
2    lit
dtype: object

Consigue los otros caracteres de los primeros 10 caracteres:

In [7]: ser.str[:10:2]
Out[7]: 
0    Lrmis
1    dlrst
2    cnett
dtype: object

Las pandas se comportan de manera similar a Python cuando manejan rebanadas e índices. Por ejemplo, si un índice está fuera del rango, Python genera un error:

In [8]:'Lorem ipsum'[12]
# IndexError: string index out of range

Sin embargo, si una porción está fuera del rango, se devuelve una cadena vacía:

In [9]: 'Lorem ipsum'[12:15]
Out[9]: ''

Pandas devuelve NaN cuando un índice está fuera de rango:

In [10]: ser.str[12]
Out[10]:
0    NaN
1      e
2      a
dtype: object

Y devuelve una cadena vacía si una porción está fuera de rango:

In [11]: ser.str[12:15]
Out[11]:
0       
1     et
2    adi
dtype: object

Comprobando el contenido de una cadena

str.contains() método str.contains() se puede usar para verificar si se produce un patrón en cada cadena de una serie. str.startswith() y str.endswith() también se pueden usar como versiones más especializadas.

In [1]: animals = pd.Series(['cat', 'dog', 'bear', 'cow', 'bird', 'owl', 'rabbit', 'snake'])

Compruebe si las cadenas contienen la letra 'a':

In [2]: animals.str.contains('a')
Out[2]:
0      True
1     False
2      True
3     False
4     False
5     False
6      True
7      True
8      True
dtype: bool

Esto se puede usar como un índice booleano para devolver solo los animales que contienen la letra 'a':

In [3]: animals[animals.str.contains('a')]
Out[3]: 
0       cat
2      bear
6    rabbit
7     snake
dtype: object

str.startswith métodos str.startswith y str.endswith funcionan de manera similar, pero también aceptan tuplas como entradas.

In [4]: animals[animals.str.startswith(('b', 'c'))]
# Returns animals starting with 'b' or 'c'
Out[4]: 
0     cat
2    bear
3     cow
4    bird
dtype: object

Capitalización de cuerdas

In [1]: ser = pd.Series(['lORem ipSuM', 'Dolor sit amet', 'Consectetur Adipiscing Elit'])

Convertir todo a mayúsculas:

In [2]: ser.str.upper()
Out[2]:
0                    LOREM IPSUM
1                 DOLOR SIT AMET
2    CONSECTETUR ADIPISCING ELIT
dtype: object

Todo en minúsculas:

In [3]: ser.str.lower()
Out[3]:
0                    lorem ipsum
1                 dolor sit amet
2    consectetur adipiscing elit
dtype: object

Capitaliza el primer carácter y minúscula el resto:

In [4]: ser.str.capitalize()
Out[4]:
0                    Lorem ipsum
1                 Dolor sit amet
2    Consectetur adipiscing elit
dtype: object

Convierta cada cadena en un título (mayúscula el primer carácter de cada palabra en cada cadena, minúsculas en el resto):

In [5]: ser.str.title()
Out[5]:
0                    Lorem Ipsum
1                 Dolor Sit Amet
2    Consectetur Adipiscing Elit
dtype: object

Intercambiar casos (convertir minúsculas a mayúsculas y viceversa):

In [6]: ser.str.swapcase()
Out[6]:
0                    LorEM IPsUm
1                 dOLOR SIT AMET
2    cONSECTETUR aDIPISCING eLIT
dtype: object

Aparte de estos métodos que cambian la capitalización, se pueden utilizar varios métodos para verificar la capitalización de las cadenas.

In [7]: ser = pd.Series(['LOREM IPSUM', 'dolor sit amet', 'Consectetur Adipiscing Elit'])

Compruebe si está todo en minúsculas:

In [8]: ser.str.islower()
Out[8]:
0    False
1     True
2    False
dtype: bool

¿Es todo en mayúsculas?

In [9]: ser.str.isupper()
Out[9]:
0     True
1    False
2    False
dtype: bool

Es una cadena titlecased:

In [10]: ser.str.istitle()
Out[10]:
0    False
1    False
2     True
dtype: bool