pandas
Manipolazione delle stringhe

Espressioni regolari

# 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')

Per informazioni su come abbinare le stringhe usando regex, vedi Guida introduttiva alle espressioni regolari .

Affettare le corde

Le stringhe in una serie possono essere tagliate usando il metodo .str.slice() o, più convenientemente, usando parentesi ( .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 

Ottieni il primo carattere di ogni stringa:

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

Ottieni i primi tre caratteri di ciascuna stringa:

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

Ottieni l'ultimo carattere di ogni stringa:

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

Ottieni gli ultimi tre caratteri di ciascuna stringa:

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

Ottieni tutti gli altri personaggi dei primi 10 personaggi:

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

I panda si comportano in modo simile a Python quando gestiscono fette e indici. Ad esempio, se un indice non rientra nell'intervallo, Python genera un errore:

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

Tuttavia, se una porzione non rientra nell'intervallo, viene restituita una stringa vuota:

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

Panda restituisce NaN quando un indice non è compreso nell'intervallo:

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

E restituisce una stringa vuota se una sezione non è compresa nell'intervallo:

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

Verifica del contenuto di una stringa

str.contains() metodo str.contains() può essere usato per verificare se un pattern si verifica in ogni stringa di una serie. str.startswith() e str.endswith() possono anche essere usati come versioni più specializzate.

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

Controlla se le stringhe contengono la lettera '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

Questo può essere usato come indice booleano per restituire solo gli animali contenenti la lettera 'a':

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

str.startswith metodi str.startswith e str.endswith funzionano in modo simile, ma accettano anche tuple come input.

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

Capitalizzazione di stringhe

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

Converti tutto in maiuscolo:

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

Tutto in minuscolo:

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

Inserisci in maiuscolo il primo carattere e in minuscolo il rimanente:

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

Converti ogni stringa in un titlecase (capitalizza il primo carattere di ogni parola in ogni stringa, in minuscolo il rimanente):

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

Casi di scambio (conversione da lettere minuscole a maiuscole e viceversa):

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

Oltre a questi metodi che modificano le lettere maiuscole, è possibile utilizzare diversi metodi per verificare la capitalizzazione delle stringhe.

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

Controlla se è tutto in minuscolo:

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

È tutto maiuscolo:

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

È una stringa in titlecas:

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