pandas
Strängmanipulation

Vanliga uttryck

# 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')

Information om hur du matchar strängar med regex finns i Komma igång med Regular Expressions .

Skär strängar

Strängar i en serie kan skivas med .str.slice() , eller mer bekvämt med hjälp av konsoler ( .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 

Få det första tecknet i varje sträng:

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

Få de tre första tecknen i varje sträng:

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

Få det sista tecknet i varje sträng:

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

Få de tre sista tecknen i varje sträng:

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

Få alla andra tecken i de första tio tecknen:

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

Pandas beter sig på samma sätt som Python när man hanterar skivor och index. Till exempel, om ett index är utanför intervallet, gör Python ett fel:

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

Men om en bit är utanför området returneras en tom sträng:

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

Pandas returnerar NaN när ett index är utom räckvidd:

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

Och returnerar en tom sträng om ett segment är utanför räckvidden:

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

Kontrollera för innehållet i en sträng

str.contains() -metoden kan användas för att kontrollera om ett mönster förekommer i varje sträng i en serie. str.startswith() och str.endswith() -metoder kan också användas som mer specialiserade versioner.

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

Kontrollera om strängar innehåller bokstaven '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

Detta kan användas som ett booleskt index för att bara returnera djuren som innehåller bokstaven 'a':

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

str.startswith och str.endswith metoder fungerar på liknande sätt, men de accepterar också tuples som ingångar.

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

Kapitalisering av strängar

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

Konvertera alla till stora versaler:

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

Alla små bokstäver:

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

Använd det första tecknet med små bokstäver och små bokstäver:

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

Konvertera varje sträng till ett titlase (skriv det första tecknet i varje ord i varje sträng, små bokstäver återstående):

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

Byt fall (konvertera gemener till versaler och vice versa):

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

Bortsett från dessa metoder som ändrar stora bokstäver, kan flera metoder användas för att kontrollera aktivering av strängar.

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

Kontrollera om det är små bokstäver:

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

Är det alla stora versaler:

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

Är det en titlecaserad sträng:

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