pandas
Строчная манипуляция

Регулярные выражения

# 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')

Сведения о том, как сопоставлять строки с использованием регулярных выражений, см. В разделе Начало работы с регулярными выражениями .

Строки для нарезки

Строки в серии можно нарезать с использованием .str.slice() или, более удобно, с помощью скобок ( .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 

Получить первый символ каждой строки:

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

Получите первые три символа каждой строки:

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

Получить последний символ каждой строки:

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

Получите последние три символа каждой строки:

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

Получить каждый другой символ из первых 10 символов:

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

Pandas ведет себя аналогично Python при обработке срезов и индексов. Например, если индекс находится за пределами диапазона, Python вызывает ошибку:

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

Однако, если срез находится за пределами диапазона, возвращается пустая строка:

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

Pandas возвращает NaN, когда индекс выходит за пределы диапазона:

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

И возвращает пустую строку, если срез выходит за пределы диапазона:

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

Проверка содержимого строки

str.contains() может использоваться, чтобы проверить, существует ли шаблон в каждой строке серии. str.startswith() и str.endswith() также могут использоваться как более специализированные версии.

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

Проверьте, содержат ли строки букву «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

Это можно использовать в качестве логического индекса для возвращения только животных, содержащих букву «a»:

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

str.startswith и str.endswith работают аналогично, но они также принимают кортежи как входы.

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

Капитализация строк

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

Преобразовать все в верхний регистр:

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

Все строчные:

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

Заглавные буквы первого и нижнего регистра остальных:

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

Преобразуйте каждую строку в заголовок (запишите первый символ каждого слова в каждой строке, введите нижний регистр остальных):

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

Сменные чехлы (преобразование в нижнем регистре в верхний регистр и наоборот):

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

Помимо этих методов, которые изменяют капитализацию, для проверки капитализации строк можно использовать несколько методов.

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

Проверьте, все ли в нижнем регистре:

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

Все ли в верхнем регистре:

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

Это строка с заголовком:

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